論文の概要: Deep Learning for Material recognition: most recent advances and open challenges

• arxiv url: http://arxiv.org/abs/2012.07495v1
• Date: Mon, 14 Dec 2020 13:27:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-08 14:20:13.626049
• Title: Deep Learning for Material recognition: most recent advances and open challenges
• Title（参考訳）: 物質認識のための深層学習 : 最近の進歩と課題
• Authors: Alain Tremeau, Sixiang Xu and Damien Muselet
• Abstract要約: 最近の研究は、深層学習による物質認識に非常に良い結果をもたらします。 本稿では, 材料画像データセット, コンテキストの影響, 材料外観に対するアドホック記述器の3つの側面に焦点を当てる。
• 参考スコア（独自算出の注目度）: 0.28360662552057314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recognizing material from color images is still a challenging problem today. While deep neural networks provide very good results on object recognition and has been the topic of a huge amount of papers in the last decade, their adaptation to material images still requires some works to reach equivalent accuracies. Nevertheless, recent studies achieve very good results in material recognition with deep learning and we propose, in this paper, to review most of them by focusing on three aspects: material image datasets, influence of the context and ad hoc descriptors for material appearance. Every aspect is introduced by a systematic manner and results from representative works are cited. We also present our own studies in this area and point out some open challenges for future works.
• Abstract（参考訳）: カラー画像から素材を認識することは今でも難しい問題だ。 深層ニューラルネットワークは、オブジェクト認識に非常に優れた結果をもたらし、過去10年間、膨大な量の論文のトピックとなっているが、マテリアルイメージへの適応には、同等の精度に達するためのいくつかの作業が必要である。 それにもかかわらず、最近の研究はディープラーニングによる物体認識において非常に良い結果を得ており、そのほとんどを素材画像データセット、文脈の影響、素材の出現に関するアドホック記述子という3つの側面に注目してレビューする。 あらゆる側面が体系的に導入され、代表作の結果が引用される。 また、この分野における独自の研究を提示するとともに、今後の課題についても指摘します。

関連論文リスト

• Reconstructing Materials Tetrahedron: Challenges in Materials Information Extraction [23.489721319567025]
  材料科学文献からの自動情報抽出における課題を論じ,定量化し,文書化する。 この情報は、表、テキスト、画像などの複数のフォーマットに分散し、レポートスタイルの統一性はほとんど、あるいは全くない。 本研究は,IEが材料知識基盤を開発する上で,その課題に一貫した形で対処する上で,研究者に刺激を与えるものであることを願っている。
  論文  参考訳（メタデータ） (2023-10-12T14:57:24Z)
• Deep Image Matting: A Comprehensive Survey [85.77905619102802]
  本稿では,ディープラーニング時代における画像マッチングの最近の進歩を概観する。 本稿では,補助的な入力ベースの画像マッチングと,自動的な画像マッチングという,2つの基本的なサブタスクに焦点を当てる。 画像マッチングの関連応用について論じ,今後の研究への課題と可能性を明らかにする。
  論文  参考訳（メタデータ） (2023-04-10T15:48:55Z)
• Where Does the Performance Improvement Come From? - A Reproducibility Concern about Image-Text Retrieval [85.03655458677295]
  画像テキスト検索は、情報検索分野において、徐々に主要な研究方向になりつつある。 まず、画像テキスト検索タスクに焦点が当てられている理由と関連性について検討する。 本研究では,事前学習と非事前学習による検索モデルの再現の諸側面を解析する。
  論文  参考訳（メタデータ） (2022-03-08T05:01:43Z)
• 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
  画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。 この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。 我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
  論文  参考訳（メタデータ） (2022-02-07T07:12:24Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• Deep Long-Tailed Learning: A Survey [163.16874896812885]
  ディープ・ロングテール・ラーニング(Deep Long-tailed Learning)は、長いテールのクラス分布に追従する多数の画像から、優れたパフォーマンスのディープモデルをトレーニングすることを目的としている。 長い尾を持つクラス不均衡は、現実的な視覚認識タスクにおいて一般的な問題である。 本稿では,近年の長期学習の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2021-10-09T15:25:22Z)
• From Show to Tell: A Survey on Image Captioning [48.98681267347662]
  視覚と言語を結びつけることは、ジェネレーティブ・インテリジェンスにおいて重要な役割を担っている。 画像キャプションの研究はまだ結論に達していない。 本研究の目的は,画像キャプション手法の包括的概要と分類を提供することである。
  論文  参考訳（メタデータ） (2021-07-14T18:00:54Z)
• Insights From A Large-Scale Database of Material Depictions In Paintings [18.2193253052961]
  本稿では,視覚認識システムと美術品で利用可能な豊富な情報との関係について検討する。 自然画像用に設計された視覚認識システムは、絵画で驚くほどうまく機能する。 絵画からの学習は、自然画像に使用されることを意図したニューラルネットワークにとって有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-24T18:42:58Z)
• A review of deep learning in medical imaging: Imaging traits, technology trends, case studies with progress highlights, and future promises [27.16172003905426]
  医用画像の特徴を最初に提示し,臨床ニーズと医用画像の技術的課題の両方を強調した。 次に, デジタル診断, 胸部, 脳, 心血管, 腹部画像検査など, 臨床現場で一般的に見られるいくつかの症例について報告する。
  論文  参考訳（メタデータ） (2020-08-02T14:26:13Z)
• Deep learning for scene recognition from visual data: a survey [2.580765958706854]
  この研究は、視覚データから深層学習モデルを用いて、シーン認識における最先端の技術をレビューすることを目的としている。 シーン認識は依然としてコンピュータビジョンの新たな分野であり、単一の画像と動的な画像の観点から対処されてきた。
  論文  参考訳（メタデータ） (2020-07-03T16:53:18Z)

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。