Fugu-MT 論文翻訳(概要): Deep Feedback Inverse Problem Solver

論文の概要: Deep Feedback Inverse Problem Solver

arxiv url: http://arxiv.org/abs/2101.07719v1
Date: Tue, 19 Jan 2021 16:49:06 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:13:32.856904
Title: Deep Feedback Inverse Problem Solver
Title（参考訳）: 深層フィードバック逆問題解法
Authors: Wei-Chiu Ma, Shenlong Wang, Jiayuan Gu, Sivabalan Manivasagam, Antonio Torralba, Raquel Urtasun
Abstract要約: 逆問題に対する効率的で効果的で汎用的なアプローチを提案する。我々は、フォワードプロセスが提供するフィードバック信号を活用し、反復的な更新モデルを学ぶ。私たちのアプローチは前もってのプロセスに制限がなく、事前の知識も必要ありません。
参考スコア（独自算出の注目度）: 141.26041463617963
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an efficient, effective, and generic approach towards solving inverse problems. The key idea is to leverage the feedback signal provided by the forward process and learn an iterative update model. Specifically, at each iteration, the neural network takes the feedback as input and outputs an update on the current estimation. Our approach does not have any restrictions on the forward process; it does not require any prior knowledge either. Through the feedback information, our model not only can produce accurate estimations that are coherent to the input observation but also is capable of recovering from early incorrect predictions. We verify the performance of our approach over a wide range of inverse problems, including 6-DOF pose estimation, illumination estimation, as well as inverse kinematics. Comparing to traditional optimization-based methods, we can achieve comparable or better performance while being two to three orders of magnitude faster. Compared to deep learning-based approaches, our model consistently improves the performance on all metrics. Please refer to the project page for videos, animations, supplementary materials, etc.
Abstract（参考訳）: 逆問題に対する効率的で効果的で汎用的なアプローチを提案する。重要なアイデアは、フォワードプロセスが提供するフィードバック信号を活用し、反復的な更新モデルを学ぶことです。具体的には、各イテレーションでニューラルネットワークがフィードバックを入力として受け取り、現在の推定値を更新する。私たちのアプローチは前もってのプロセスに制限がなく、事前の知識も必要ありません。フィードバック情報を通じて,入力観測に一貫性のある正確な推定を行うだけでなく,早期不正確な予測から復元することができる。 6-DOFポーズ推定,照明推定,逆運動学など,幅広い逆問題に対するアプローチの有効性を検証する。従来の最適化手法と比較して,2～3桁の高速さで同等ないし優れた性能を実現することができる。ディープラーニングベースのアプローチと比較して、私たちのモデルはすべてのメトリクスのパフォーマンスを一貫して改善します。ビデオ、アニメーション、補足資料などについてはプロジェクトページを参照してください。