論文の概要: Towards Automatic Sizing for PPE with a Point Cloud Based Variational Autoencoder

• arxiv url: http://arxiv.org/abs/2105.10067v1
• Date: Fri, 21 May 2021 00:07:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 03:19:38.866898
• Title: Towards Automatic Sizing for PPE with a Point Cloud Based Variational Autoencoder
• Title（参考訳）: 点群に基づく変分オートエンコーダを用いたPPEの自動サイズ化
• Authors: Jacob A. Searcy and Susan L. Sokolowski
• Abstract要約: 本稿では,非教師付き機械学習アルゴリズムを用いて,模範者の代表的集合を同定する。 このアルゴリズムは、人間のポイントクラウドデータに基づいてトレーニングされた、ポイントネットにインスパイアされたエンコーダとデコーダアーキテクチャを備えた変分オートエンコーダ(VAE)に基づいている。 この手法を人間の顔のスキャンで実演し、マスクや顔のカバーのデザイナーに、既存のマスクスタイルをテストするための参照セットを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sizing and fitting of Personal Protective Equipment (PPE) is a critical part of the product creation process; however, traditional methods to do this type of work can be labor intensive and based on limited or non-representative anthropomorphic data. In the case of PPE, a poor fit can jeopardize an individual's health and safety. In this paper we present an unsupervised machine learning algorithm that can identify a representative set of exemplars, individuals that can be utilized by designers as idealized sizing models. The algorithm is based around a Variational Autoencoder (VAE) with a Point-Net inspired encoder and decoder architecture trained on Human point-cloud data obtained from the CEASAR dataset. The learned latent space is then clustered to identify a specified number of sizing groups. We demonstrate this technique on scans of human faces to provide designers of masks and facial coverings a reference set of individuals to test existing mask styles.
• Abstract（参考訳）: PPE(Personal Protective Equipment)のサイズと適合性は、製品作成プロセスにおいて重要な要素であるが、この種の作業を行う従来の方法は、労働集約的であり、限定的または非表現的人為的データに基づいている。 PPEの場合、弱いフィットは個人の健康と安全性を損なう可能性がある。 本稿では,設計者によって理想化されたサイズモデルとして活用できる代表的個人集合を識別できる教師なし機械学習アルゴリズムを提案する。 このアルゴリズムは変分オートエンコーダ(vae)に基づいており、ceasarデータセットから得られた人間のポイントクラウドデータに基づいて訓練されたポイントネットインスパイアエンコーダとデコーダアーキテクチャを備えている。 学習された潜在空間は、特定のサイズ群を特定するためにクラスタ化される。 この手法を人間の顔のスキャンで実演し、マスクや顔のカバーのデザイナーに、既存のマスクスタイルをテストするための参照セットを提供する。

関連論文リスト

• Synthetic dual image generation for reduction of labeling efforts in semantic segmentation of micrographs with a customized metric function [0.0]
  材料分析のためのセマンティックセグメンテーションモデルの訓練には、マイクログラフとそれに対応するマスクが必要である。 マスクと組み合わせた合成微細構造画像の生成による意味的セグメンテーションモデルの改善のためのワークフローを実証する。 このアプローチは、少数の実画像を持つモデルをトレーニングするためのユーザフレンドリなソリューションとして機能するなど、さまざまな種類の画像データに一般化することができる。
  論文  参考訳（メタデータ） (2024-08-01T16:54:11Z)
• 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)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• HAISTA-NET: Human Assisted Instance Segmentation Through Attention [3.073046540587735]
  より正確な予測を可能にし,高品質なセグメンテーションマスクを生成する新しい手法を提案する。 我々の人間支援セグメンテーションモデルHAISTA-NETは、既存のStrong Mask R-CNNネットワークを拡張し、人間の特定部分境界を組み込む。 HAISTA-NETは,Mask R-CNN,Strong Mask R-CNN,Mask2Formerなどの最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-04T18:39:14Z)
• PMODE: Prototypical Mask based Object Dimension Estimation [0.0]
  そこで本研究では,モノクロカメラを用いて,映像の四辺形物体の寸法を推定する手法を提案する。 我々は,3種類のランダムカメラを用いて,次元推定のためのテストデータセットに対して,22%のMAPEを達成できるシステムを訓練した。
  論文  参考訳（メタデータ） (2022-12-26T19:24:25Z)
• Masked Autoencoding for Scalable and Generalizable Decision Making [93.84855114717062]
  MaskDPは、強化学習と行動クローンのためのシンプルでスケーラブルな自己教師付き事前学習手法である。 我々は,MaskDPモデルにより,単一ゴールや複数ゴール到達といった新しいBCタスクへのゼロショット転送能力が得られることを発見した。
  論文  参考訳（メタデータ） (2022-11-23T07:04:41Z)
• Exploring Target Representations for Masked Autoencoders [78.57196600585462]
  目的表現の注意深い選択は、よい表現を学ぶために不要であることを示す。 本研究では,多段階のマスク蒸留パイプラインを提案し,無作為なモデルを教師として利用する。 自己指導型自己指導法を非自明なマージンで上回り, 自己指導型教員(dBOT)によるマスク付き知識蒸留を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-09-08T16:55:19Z)
• MAPLE: Masked Pseudo-Labeling autoEncoder for Semi-supervised Point Cloud Action Recognition [160.49403075559158]
  本稿では,Pseudo-Labeling autoEncoder (textbfMAPLE) フレームワークを提案する。 特に、MAPLEのバックボーンとして、新規で効率的なtextbfDecoupled textbfspatial-textbftemporal TranstextbfFormer(textbfDestFormer)を設計する。 MAPLEは3つの公開ベンチマークにおいて優れた結果を得て、MSR-Action3の精度を8.08%向上させる。
  論文  参考訳（メタデータ） (2022-09-01T12:32:40Z)
• Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
  既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。 2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。 この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
  論文  参考訳（メタデータ） (2022-07-19T03:31:13Z)
• Contour Primitive of Interest Extraction Network Based on One-Shot Learning for Object-Agnostic Vision Measurement [37.552192926136065]
  単発学習フレームワークに基づく利子抽出ネットワーク(CPieNet)の輪郭プリミティブを提案する。 新たなCPI抽出タスクのために,オンライン公開画像を用いたObject Contour Primitivesデータセットと,ロボットに搭載されたカメラを用いたRobotic Object Contour Measurementデータセットを構築した。
  論文  参考訳（メタデータ） (2020-10-07T11:00:30Z)
• PointMask: Towards Interpretable and Bias-Resilient Point Cloud Processing [16.470806722781333]
  PointMaskは、ポイントクラウドモデルにおける属性に対する、モデルに依存しない解釈可能なインフォメーション・ブートネックアプローチである。 任意のモデルとPointMask層を結合することで、入力空間の点を識別し、予測スコアに最も寄与することを示す。
  論文  参考訳（メタデータ） (2020-07-09T03:06:06Z)

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。