論文の概要: Neuro-inspired edge feature fusion using Choquet integrals
- arxiv url: http://arxiv.org/abs/2104.10984v1
- Date: Thu, 22 Apr 2021 10:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-23 14:09:23.598031
- Title: Neuro-inspired edge feature fusion using Choquet integrals
- Title(参考訳): Choquet積分を用いた神経誘発エッジ機能融合
- Authors: Cedric Marco-Detchart, Giancarlo Lucca, Carlos Lopez-Molina, Laura De
Miguel, Gra\c{c}aliz Pereira Dimuro, Humberto Bustince
- Abstract要約: チョーケ積分の一般化を用いた初期視覚プリミティブの融合について詳述する。
本研究では,Choquet積分を一般化して基本エッジキューを官能的に融合させることを提案する。
提案手法は,最先端境界検出データセットの試験に性能を付加する,フルフレームエッジ検出アルゴリズムを実現する。
- 参考スコア(独自算出の注目度): 11.923451115221019
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It is known that the human visual system performs a hierarchical information
process in which early vision cues (or primitives) are fused in the visual
cortex to compose complex shapes and descriptors. While different aspects of
the process have been extensively studied, as the lens adaptation or the
feature detection, some other,as the feature fusion, have been mostly left
aside. In this work we elaborate on the fusion of early vision primitives using
generalizations of the Choquet integral, and novel aggregation operators that
have been extensively studied in recent years. We propose to use
generalizations of the Choquet integral to sensibly fuse elementary edge cues,
in an attempt to model the behaviour of neurons in the early visual cortex. Our
proposal leads to a full-framed edge detection algorithm, whose performance is
put to the test in state-of-the-art boundary detection datasets.
- Abstract(参考訳): ヒトの視覚系は、視覚野で初期視覚手がかり(またはプリミティブ)が融合して複雑な形状や記述子を構成する階層的情報処理を行うことが知られている。
レンズの適応や特徴検出など、プロセスに関するさまざまな側面が広く研究されているが、他の部分(機能融合など)は、ほとんど無視されている。
本研究では,コッケ積分の一般化を用いた初期視覚プリミティブの融合と,近年広く研究されている新しいアグリゲーション演算子について詳述する。
そこで我々は,初期視覚野のニューロンの挙動をモデル化するために,チョケ積分の一般化を用いて初等エッジキューを巧みに融合させる手法を提案する。
提案手法は,最先端境界検出データセットの試験に性能を付加する,フルフレームエッジ検出アルゴリズムを実現する。
関連論文リスト
- Ensembling convolutional neural networks for human skin segmentation [2.8391355909797644]
本稿では、異なる特徴に着目したデータセットを用いて畳み込みネットワークを訓練し、個々の結果を効果的に組み合わせたアンサンブルを作成することを提案する。
本研究は,セマンティックセグメンテーションシステムの性能を向上する,アンサンブルに基づく新しい手法の開発に役立てることを期待している。
論文 参考訳(メタデータ) (2024-07-27T17:55:28Z) - HR Human: Modeling Human Avatars with Triangular Mesh and High-Resolution Textures from Videos [52.23323966700072]
本研究では,モノクロ映像から高精細な物理材料テクスチャとメッシュを付加したアバターの取得のための枠組みを提案する。
本手法では,モノクロ映像からの情報を組み合わせて仮想多視点画像の合成を行う新しい情報融合方式を提案する。
実験により, 提案手法は, 高忠実度で従来の表現よりも優れており, この明示的な結果は共通三角形への展開をサポートすることが示された。
論文 参考訳(メタデータ) (2024-05-18T11:49:09Z) - Automatic Discovery of Visual Circuits [66.99553804855931]
本稿では,視覚モデルにおける視覚的概念の認識の基盤となる計算グラフのサブグラフを抽出するスケーラブルな手法について検討する。
提案手法は, モデル出力に因果的に影響を及ぼす回路を抽出し, これらの回路を編集することで, 敵攻撃から大きな事前学習モデルを守ることができることがわかった。
論文 参考訳(メタデータ) (2024-04-22T17:00:57Z) - Neural Clustering based Visual Representation Learning [61.72646814537163]
クラスタリングは、機械学習とデータ分析における最も古典的なアプローチの1つである。
本稿では,特徴抽出をデータから代表者を選択するプロセスとみなすクラスタリング(FEC)による特徴抽出を提案する。
FECは、個々のクラスタにピクセルをグループ化して抽象的な代表を配置し、現在の代表とピクセルの深い特徴を更新する。
論文 参考訳(メタデータ) (2024-03-26T06:04:50Z) - Open-Vocabulary Animal Keypoint Detection with Semantic-feature Matching [74.75284453828017]
Open-Vocabulary Keypoint Detection (OVKD)タスクは、任意の種類のキーポイントを特定するためにテキストプロンプトを使用するように設計されている。
セマンティック・フェールマッチング(KDSM)を用いた開語彙キーポイント検出(Open-Vocabulary Keypoint Detection)という新しいフレームワークを開発した。
このフレームワークは視覚と言語モデルを組み合わせて、言語機能とローカルキーポイント視覚機能との相互作用を作成する。
論文 参考訳(メタデータ) (2023-10-08T07:42:41Z) - Unlocking Feature Visualization for Deeper Networks with MAgnitude
Constrained Optimization [17.93878159391899]
解釈可能な画像を生成するためのシンプルなアプローチであるMACOについて述べる。
我々のアプローチは、質的にも定量的にも、はるかに優れた結果をもたらし、大きな最先端のニューラルネットワークのための効率的かつ解釈可能な特徴視覚化を解き放つ。
特徴可視化手法の比較のための新しいベンチマークで本手法を検証し,画像Netデータセットの全クラスを対象とした可視化結果をリリースする。
論文 参考訳(メタデータ) (2023-06-11T23:33:59Z) - Behind the Machine's Gaze: Biologically Constrained Neural Networks
Exhibit Human-like Visual Attention [40.878963450471026]
トップダウン方式でビジュアル・スキャンパスを生成するニューラル・ビジュアル・アテンション(NeVA)アルゴリズムを提案する。
提案手法は,人間の走査パスと類似性の観点から,最先端の非監視的注意モデルより優れていることを示す。
論文 参考訳(メタデータ) (2022-04-19T18:57:47Z) - Looking Beyond Corners: Contrastive Learning of Visual Representations
for Keypoint Detection and Description Extraction [1.5749416770494706]
学習可能なキーポイント検出器とディスクリプタは、古典的な手作りの特徴抽出方法よりも優れています。
視覚表現の自己教師型学習に関する最近の研究は、深層ネットワークに基づく学習可能なモデルの性能向上を促している。
本稿では,繰り返し可能なキーポイントを検知し,識別的記述を抽出する対応ネットワーク(CorrNet)を提案する。
論文 参考訳(メタデータ) (2021-12-22T16:27:11Z) - RINDNet: Edge Detection for Discontinuity in Reflectance, Illumination,
Normal and Depth [70.25160895688464]
我々は、4種類のエッジを共同で検出する新しいニューラルネットワークソリューション RINDNet を提案する。
RINDNetはそれぞれの表現を効果的に学習し、3段階で動作する。
我々の実験では、RINDNetは最先端の手法と比較して有望な結果が得られる。
論文 参考訳(メタデータ) (2021-08-02T03:30:01Z) - Towards Deeper Graph Neural Networks [63.46470695525957]
グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。
いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。
本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
論文 参考訳(メタデータ) (2020-07-18T01:11:14Z) - Multi-Modal Fingerprint Presentation Attack Detection: Evaluation On A
New Dataset [9.783887684870654]
フィンガープリントによるプレゼンテーション攻撃の検出は、ますます困難な問題になりつつある。
本研究は,最近導入された複数のセンサ・モダリティの有用性について考察する。
完全畳み込み型ディープニューラルネットワークフレームワークを用いて包括的解析を行った。
論文 参考訳(メタデータ) (2020-06-12T22:38:23Z)
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。