論文の概要: Hierarchical entropy and domain interaction to understand the structure
in an image
- arxiv url: http://arxiv.org/abs/2104.09754v1
- Date: Tue, 20 Apr 2021 04:29:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-22 00:15:17.954127
- Title: Hierarchical entropy and domain interaction to understand the structure
in an image
- Title（参考訳）: 画像の構造を理解するための階層的エントロピーとドメイン相互作用
- Authors: Nao Uehara, Teruaki Hayashi, Yukio Ohsawa
- Abstract要約: 情報エントロピーに2つの階層を導入するモデルを作成する。
2つの階層はエントロピーが計算される領域のサイズであり、画像内の構造が統合されているか否かを決定するコンポーネントのサイズである。
画像内の構造を、地域やコンポーネントのサイズによって変化する2つの指標から解釈し、説明することを支援することを目的としています。
- 参考スコア（独自算出の注目度）: 0.45119235878273
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this study, we devise a model that introduces two hierarchies into
information entropy. The two hierarchies are the size of the region for which
entropy is calculated and the size of the component that determines whether the
structures in the image are integrated or not. And this model uses two
indicators, hierarchical entropy and domain interaction. Both indicators
increase or decrease due to the integration or fragmentation of the structure
in the image. It aims to help people interpret and explain what the structure
in an image looks like from two indicators that change with the size of the
region and the component. First, we conduct experiments using images and
qualitatively evaluate how the two indicators change. Next, we explain the
relationship with the hidden structure of Vermeer's girl with a pearl earring
using the change of hierarchical entropy. Finally, we clarify the relationship
between the change of domain interaction and the appropriate segment result of
the image by an experiment using a questionnaire.
- Abstract（参考訳）: 本研究では,情報エントロピーに2つの階層を導入するモデルを提案する。
2つの階層はエントロピーが計算される領域のサイズであり、画像内の構造が統合されているか否かを決定するコンポーネントのサイズである。
このモデルは2つの指標、階層エントロピーとドメイン相互作用を使用する。
どちらの指標も画像内の構造の統合や断片化によって増大または減少する。
画像の構造が、領域とコンポーネントのサイズに応じて変化する2つの指標からどのように見えるかを解釈し、説明することを目的としている。
まず,画像を用いて実験を行い,この2つの指標がどのように変化するかを定性的に評価する。
次に,階層的エントロピーの変化を用いて,真珠イヤリングを持つヴェルメールの少女の隠れ構造との関係を説明する。
最後に,領域間相互作用の変化と画像の適切なセグメント結果との関係を,アンケートによる実験により明らかにした。
関連論文リスト
- Inferring Local Structure from Pairwise Correlations [0.0]
相関関係が局所関係を回復するのに十分な情報を提供することを示す。
これは、我々のデータに高次相互作用構造が存在するにもかかわらず、成功することを証明している。
論文 参考訳（メタデータ） (2023-05-07T22:38:29Z) - Exploiting Neighborhood Structural Features for Change Detection [9.133817694679792]
近傍構造相関を用いた新しい変化検出法を提案する。
2つのデータセットに対する実験結果から,提案手法の有効性とロバスト性を示した。
論文 参考訳（メタデータ） (2023-02-10T08:28:39Z) - Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。
提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
論文 参考訳（メタデータ） (2022-12-28T03:45:56Z) - Unsupervised Multimodal Change Detection Based on Structural
Relationship Graph Representation Learning [40.631724905575034]
教師なしマルチモーダル変化検出は、時間に敏感な緊急アプリケーションにおいて重要な役割を果たす、実用的で困難なトピックである。
マルチモーダル画像における2種類のモダリティ非依存構造関係を利用する。
本稿では,2つの構造関係の類似性を測定するための構造関係グラフ表現学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-03T13:55:08Z) - Graph Reasoning Transformer for Image Parsing [67.76633142645284]
本稿では,画像解析のためのグラフ推論変換器(GReaT)を提案する。
従来の変圧器と比較して、GReaTは高い相互作用効率とより目的のある相互作用パターンを有する。
その結果、GReaTは、最先端のトランスフォーマーベースラインにわずかに計算オーバーヘッドを伴って、一貫した性能向上を実現していることがわかった。
論文 参考訳（メタデータ） (2022-09-20T08:21:37Z) - Augmenting Convolutional networks with attention-based aggregation [55.97184767391253]
我々は,非局所的推論を実現するために,注目に基づくグローバルマップを用いた畳み込みネットワークの強化方法を示す。
この学習集約層を2つのパラメータ(幅と深さ)でパラメータ化した単純パッチベースの畳み込みネットワークで接続する。
これは、特にメモリ消費の点で、精度と複雑さの間の驚くほど競争力のあるトレードオフをもたらす。
論文 参考訳（メタデータ） (2021-12-27T14:05:41Z) - R$^3$Net:Relation-embedded Representation Reconstruction Network for
Change Captioning [30.962341503501964]
字幕の変更は、2つの類似した画像間の微妙な相違を記述するために自然言語文を使用することである。
ビューポイントの変更は、オブジェクトのスケールと位置を変更し、実際の変更の表現を圧倒するため、このタスクにおいて最も典型的な障害である。
本稿では,R$3$NetのRelation-embedded Representation Reconstruction Network(R$3$Net)を提案する。
論文 参考訳（メタデータ） (2021-10-20T00:57:39Z) - Image Synthesis via Semantic Composition [74.68191130898805]
本稿では,その意味的レイアウトに基づいて現実的なイメージを合成する新しい手法を提案する。
類似した外観を持つ物体に対して、類似した表現を共有するという仮説が立てられている。
本手法は, 空間的変化と関連表現の両方を生じる, 外観相関による領域間の依存関係を確立する。
論文 参考訳（メタデータ） (2021-09-15T02:26:07Z) - Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文 参考訳（メタデータ） (2020-09-30T04:59:10Z) - On The Plurality of Graphs [4.061135251278187]
本研究で誘発される変化の2つの要因,すなわち,1) グラフ生成過程と2) エッジをサンプリングする中心度尺度は,言語の出現のダイナミクスを決定する上で重要な役割を担っていることを示す。
論文 参考訳（メタデータ） (2020-08-03T14:54:09Z) - Bidirectional Graph Reasoning Network for Panoptic Segmentation [126.06251745669107]
本稿では,BGRNet(Bidirectional Graph Reasoning Network)を導入し,前景物と背景物間のモジュラー内およびモジュラー間関係について検討する。
BGRNetはまず、インスタンスとセマンティックセグメンテーションの両方でイメージ固有のグラフを構築し、提案レベルとクラスレベルで柔軟な推論を可能にする。
論文 参考訳（メタデータ） (2020-04-14T02:32:10Z)
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。