論文の概要: A Differential Model of the Complex Cell
- arxiv url: http://arxiv.org/abs/2012.09027v1
- Date: Wed, 9 Dec 2020 10:23:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 10:26:24.601660
- Title: A Differential Model of the Complex Cell
- Title（参考訳）: 複雑な細胞の微分モデル
- Authors: Miles Hansard and Radu Horaud
- Abstract要約: 本稿では、ガウス誘導体に基づく複素細胞の代替モデルを提案する。
画像の小さな変化に対する複雑な応答の不感性を考慮することが最も重要である。
本稿では,新しいモデルと皮質画像表現との関連について論じる。
- 参考スコア（独自算出の注目度）: 24.756003635916613
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The receptive fields of simple cells in the visual cortex can be understood
as linear filters. These filters can be modelled by Gabor functions, or by
Gaussian derivatives. Gabor functions can also be combined in an `energy model'
of the complex cell response. This paper proposes an alternative model of the
complex cell, based on Gaussian derivatives. It is most important to account
for the insensitivity of the complex response to small shifts of the image. The
new model uses a linear combination of the first few derivative filters, at a
single position, to approximate the first derivative filter, at a series of
adjacent positions. The maximum response, over all positions, gives a signal
that is insensitive to small shifts of the image. This model, unlike previous
approaches, is based on the scale space theory of visual processing. In
particular, the complex cell is built from filters that respond to the \twod\
differential structure of the image. The computational aspects of the new model
are studied in one and two dimensions, using the steerability of the Gaussian
derivatives. The response of the model to basic images, such as edges and
gratings, is derived formally. The response to natural images is also
evaluated, using statistical measures of shift insensitivity. The relevance of
the new model to the cortical image representation is discussed.
- Abstract（参考訳）: 視覚野における単純細胞の受容野は線形フィルタとして理解することができる。
これらのフィルタはガボル関数やガウス微分によってモデル化することができる。
ガボル関数は複雑な細胞応答の「エネルギーモデル」に結合することもできる。
本稿では、ガウス微分に基づく複素細胞の代替モデルを提案する。
画像の小さな変化に対する複雑な応答の不感性を考慮することが最も重要である。
新しいモデルは、最初の数個の導関数フィルタを1つの位置で線形結合して、最初の導関数フィルタを一連の隣接位置で近似する。
最大応答は、すべての位置にわたって、画像の小さなシフトに敏感な信号を与える。
このモデルは、以前のアプローチとは異なり、視覚処理のスケール空間理論に基づいている。
特に、複素セルは、画像の \twod\ 微分構造に応答するフィルタから構築される。
新しいモデルの計算的側面はガウス微分のステアビリティを用いて1次元と2次元で研究されている。
エッジやグレーティングなどの基本画像に対するモデルの応答は、正式に導出される。
自然画像に対する応答も、シフト感度の統計的尺度を用いて評価される。
本稿では,新しいモデルと皮質画像表現の関係について述べる。
関連論文リスト
- A nonlinear elasticity model in computer vision [0.0]
本研究の目的は,2つの画像を比較するために著者らが以前に導入した非線形弾性モデルを分析することである。
変換の存在は、勾配ベクトル値の強度写像の$値対の微分の中で証明される。
問題は、線形写像によって関連づけられた画像に対して、一意性が与えられるかどうかである。
論文 参考訳（メタデータ） (2024-08-30T12:27:22Z) - Direct Motif Extraction from High Resolution Crystalline STEM Images [2.2660999029854536]
自動で教師なしのモチーフ抽出は、まだ広く利用できない。
プリミティブセルの最小化を決定するために、新しい多段階プロジェクションアルゴリズムが使用される。
HAADF STEM画像の合成と実験を行った。
論文 参考訳（メタデータ） (2023-03-13T19:35:54Z) - Git Re-Basin: Merging Models modulo Permutation Symmetries [3.5450828190071655]
提案手法は,大規模ネットワークに適合する簡単なアルゴリズムを実例で示す。
我々は、独立に訓練されたモデル間のゼロモード接続の最初のデモ(私たちの知る限り)を実演する。
また、線形モード接続仮説の欠点についても論じる。
論文 参考訳（メタデータ） (2022-09-11T10:44:27Z) - Decoupling multivariate functions using a nonparametric filtered tensor
decomposition [0.29360071145551075]
疎結合技術は、非線形性の代替表現を提供することを目的としている。
いわゆる疎結合形式はしばしば、高度に構造化され、解釈可能性を好む一方で、関係のより効率的なパラメータ化である。
本研究では, 1次微分情報のフィルタテンソル分解に基づく2つの新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-23T09:34:17Z) - Deep Learning for the Benes Filter [91.3755431537592]
本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。
ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
論文 参考訳（メタデータ） (2022-03-09T14:08:38Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Emergence of Lie symmetries in functional architectures learned by CNNs [63.69764116066748]
本研究では,自然画像の学習において,畳み込みニューラルネットワーク(CNN)の初期層における対称性の自発的発達について検討する。
私たちのアーキテクチャは、生体視覚システムの初期段階を模倣するために構築されています。
論文 参考訳（メタデータ） (2021-04-17T13:23:26Z) - Joint Estimation of Image Representations and their Lie Invariants [57.3768308075675]
画像は世界の状態とコンテンツの両方をエンコードする。
この情報の自動抽出は、画像表現に固有の高次元かつ絡み合った符号化のために困難である。
本稿では,これらの課題の解決を目的とした2つの理論的アプローチを紹介する。
論文 参考訳（メタデータ） (2020-12-05T00:07:41Z) - Generalizing Convolutional Neural Networks for Equivariance to Lie
Groups on Arbitrary Continuous Data [52.78581260260455]
任意の特定のリー群からの変換に同値な畳み込み層を構築するための一般的な方法を提案する。
同じモデルアーキテクチャを画像、ボール・アンド・スティック分子データ、ハミルトン力学系に適用する。
論文 参考訳（メタデータ） (2020-02-25T17:40:38Z) - Learning Bijective Feature Maps for Linear ICA [73.85904548374575]
画像データに適した既存の確率的深層生成モデル (DGM) は, 非線形ICAタスクでは不十分であることを示す。
そこで本研究では,2次元特徴写像と線形ICAモデルを組み合わせることで,高次元データに対する解釈可能な潜在構造を学習するDGMを提案する。
画像上のフローベースモデルや線形ICA、変分オートエンコーダよりも、高速に収束し、訓練が容易なモデルを作成し、教師なしの潜在因子発見を実現する。
論文 参考訳（メタデータ） (2020-02-18T17:58:07Z)
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。