論文の概要: Dissecting Image Crops

• arxiv url: http://arxiv.org/abs/2011.11831v4
• Date: Sun, 5 Sep 2021 23:39:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 13:20:27.072639
• Title: Dissecting Image Crops
• Title（参考訳）: 画像作物の解剖
• Authors: Basile Van Hoorick, Carl Vondrick
• Abstract要約: 収穫の基本的な操作は、ほぼ全てのコンピュータビジョンシステムに根ざしている。 本稿では,本操作で導入された微妙な痕跡について考察する。 本研究では,これらの痕跡の検出方法と,収穫が画像分布に与える影響について検討する。
• 参考スコア（独自算出の注目度）: 22.482090207522358
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The elementary operation of cropping underpins nearly every computer vision system, ranging from data augmentation and translation invariance to computational photography and representation learning. This paper investigates the subtle traces introduced by this operation. For example, despite refinements to camera optics, lenses will leave behind certain clues, notably chromatic aberration and vignetting. Photographers also leave behind other clues relating to image aesthetics and scene composition. We study how to detect these traces, and investigate the impact that cropping has on the image distribution. While our aim is to dissect the fundamental impact of spatial crops, there are also a number of practical implications to our work, such as revealing faulty photojournalism and equipping neural network researchers with a better understanding of shortcut learning. Code is available at https://github.com/basilevh/dissecting-image-crops.
• Abstract（参考訳）: クロッピングの基本的な操作は、データ拡張や翻訳の不変性から計算写真や表現学習まで、ほぼ全てのコンピュータビジョンシステムを支える。 本稿では,本操作で導入された微妙な痕跡について考察する。 例えば、カメラ光学の洗練にもかかわらず、レンズは特定の手がかり、特に色収差と粘着性を残している。 写真家はまた、画像美学やシーン構成に関する他の手がかりを残している。 本研究では,これらの痕跡の検出方法と,収穫が画像分布に与える影響について検討する。 私たちの目標は、空間作物の基本的な影響を解剖することですが、我々の研究には、欠陥のあるフォトジャーナリズムを明らかにしたり、ニューラルネットワークの研究者に近道学習をよりよく理解させるといった、多くの実践的な意味合いがあります。 コードはhttps://github.com/basilevh/dissecting-image-cropsで入手できる。

関連論文リスト

• Mark My Words: Dangers of Watermarked Images in ImageNet [0.0]
  ImageNetデータセットのかなりの数のイメージには、透かしが含まれている。 モニタ"、"ほうき"、"apron"、"safe"など、さまざまなImageNetクラスは、素早い相関に頼っている。 細調整ネットワークにおけるこの問題を軽減するための簡単なアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-09T18:51:31Z)
• Saliency Guided Contrastive Learning on Scene Images [71.07412958621052]
  我々は、学習中のモデルの出力から導かれるサリエンシマップを活用し、差別的な領域を強調し、対照的な学習全体をガイドする。 提案手法は,画像上の自己教師学習の性能を,画像の線形評価において+1.1,+4.3,+2.2の精度で向上させる。
  論文  参考訳（メタデータ） (2023-02-22T15:54:07Z)
• Hierarchical Semantic Segmentation using Psychometric Learning [17.417302703539367]
  我々は,心理測定テストに基づいて,専門家からセグメンテーションアノテーションを収集する手法を開発した。 本手法は, 心理測定試験, アクティブクエリ選択, クエリ強化, ディープメトリック学習モデルから構成される。 本稿では, 合成画像, 空中画像, 組織像について評価し, 提案手法の有用性を示す。
  論文  参考訳（メタデータ） (2021-07-07T13:38:33Z)
• Computer-aided Interpretable Features for Leaf Image Classification [0.0]
  52種類の植物を分類するための計算効率の良い特徴を紹介する。 長さ、幅、面積、テクスチャの相関、単調性、発癌性は少ない。 その結果,教師付き学習環境と教師なし学習環境の両方において,興味のクラスを識別するのに十分な特徴があることが示唆された。
  論文  参考訳（メタデータ） (2021-06-15T12:11:10Z)
• Factors of Influence for Transfer Learning across Diverse Appearance Domains and Task Types [50.1843146606122]
  現在の最新のコンピュータビジョンモデルでは、簡単な転送学習が一般的です。 転校学習に関するこれまでの体系的な研究は限られており、作業が期待される状況は十分に理解されていない。 本論文では,非常に異なる画像領域にまたがる転送学習の広範な実験的研究を行う。
  論文  参考訳（メタデータ） (2021-03-24T16:24:20Z)
• Self-Adaptively Learning to Demoire from Focused and Defocused Image Pairs [97.67638106818613]
  モアレアーティファクトはデジタル写真では一般的であり、高周波シーンコンテンツとカメラのカラーフィルタアレイとの干渉によるものである。 大規模反復で訓練された既存のディープラーニングに基づく復習手法は、様々な複雑なモアレパターンを扱う場合に限られる。 本稿では,高頻度画像の復調のための自己適応学習手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T23:09:02Z)
• Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
  本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。 画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。 画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:05:01Z)
• Distilling Localization for Self-Supervised Representation Learning [82.79808902674282]
  コントラスト学習は教師なし表現学習に革命をもたらした。 現在のコントラストモデルでは、前景オブジェクトのローカライズには効果がない。 本稿では,背景変化を学習するためのデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2020-04-14T16:29:42Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)
• Learning Transformation-Aware Embeddings for Image Forensics [15.484408315588569]
  Image Provenance Analysisは、コンテンツを共有するさまざまな操作されたイメージバージョン間の関係を見つけることを目的としている。 証明分析のための主要なサブプロブレムの1つは、完全なコンテンツを共有したり、ほぼ重複している画像の編集順序である。 本稿では,1つの画像から生成した画像に対して,変換を通じて妥当な順序付けを行うための,新しい深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-13T22:01:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。