論文の概要: On the relation between statistical learning and perceptual distances
- arxiv url: http://arxiv.org/abs/2106.04427v1
- Date: Tue, 8 Jun 2021 14:56:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-09 15:36:29.392038
- Title: On the relation between statistical learning and perceptual distances
- Title(参考訳): 統計的学習と知覚距離の関係について
- Authors: Alexander Hepburn and Valero Laparra and Raul Santos-Rodriguez and
Johannes Ball\'e and Jes\'us Malo
- Abstract要約: 近辺画像の知覚感度は近辺画像の確率と相関することを示す。
また、オートエンコーダによって誘導される距離と、それらの訓練に使用されるデータの確率分布との関係についても検討する。
- 参考スコア(独自算出の注目度): 61.25815733012866
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It has been demonstrated many times that the behavior of the human visual
system is connected to the statistics of natural images. Since machine learning
relies on the statistics of training data as well, the above connection has
interesting implications when using perceptual distances (which mimic the
behavior of the human visual system) as a loss function. In this paper, we aim
to unravel the non-trivial relationship between the probability distribution of
the data, perceptual distances, and unsupervised machine learning. To this end,
we show that perceptual sensitivity is correlated with the probability of an
image in its close neighborhood. We also explore the relation between distances
induced by autoencoders and the probability distribution of the data used for
training them, as well as how these induced distances are correlated with human
perception. Finally, we discuss why perceptual distances might not lead to
noticeable gains in performance over standard Euclidean distances in common
image processing tasks except when data is scarce and the perceptual distance
provides regularization.
- Abstract(参考訳): 人間の視覚システムの動作は、自然画像の統計と結びつくことが何度も実証されている。
機械学習はトレーニングデータの統計にも依存するため、上記の接続は(人間の視覚系の振る舞いを模倣する)知覚距離を損失関数として使用する場合に興味深い意味を持つ。
本稿では,データの確率分布,知覚距離,教師なし機械学習の非自明な関係を明らかにすることを目的とする。
この目的のために,知覚感度は近接した近傍の画像の確率と相関していることを示す。
また, オートエンコーダによって誘導される距離と, トレーニングに使用されるデータの確率分布との関係, およびこれらの距離が人間の知覚とどのように相関するかを検討する。
最後に、一般的な画像処理タスクにおいて、知覚距離が標準ユークリッド距離よりも性能が著しく向上しない理由について、データが不足し知覚距離が正規化される場合を除いて論じる。
関連論文リスト
- A Novel Loss Function Utilizing Wasserstein Distance to Reduce
Subject-Dependent Noise for Generalizable Models in Affective Computing [0.4818210066519976]
感情は人間の行動の重要な部分であり、思考、意思決定、コミュニケーションスキルに影響を与える可能性がある。
感情を正確に監視し識別する能力は、行動訓練、感情的幸福の追跡、人間とコンピュータのインターフェイスの開発など、多くの人間中心のアプリケーションで有用である。
論文 参考訳(メタデータ) (2023-08-17T01:15:26Z) - A Probabilistic Transformation of Distance-Based Outliers [2.1055643409860743]
距離に基づくアウトリーチスコアから解釈可能な確率的推定への総称変換について述べる。
この変換はランキング安定であり、通常のデータポイントと外れ値のデータポイントのコントラストを増加させる。
本研究は,広範囲な距離ベース外乱検出手法に一般化する。
論文 参考訳(メタデータ) (2023-05-16T14:05:30Z) - DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。
具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。
効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
論文 参考訳(メタデータ) (2023-03-12T03:40:21Z) - A temporally quantized distribution of pupil diameters as a new feature
for cognitive load classification [1.4469849628263638]
本稿では,瞳孔情報に基づいて認知負荷を分類する新機能を提案する。
瞳孔データから認知負荷を決定する応用は多数あり、燃え尽き症候群の予報システムにつながる可能性がある。
論文 参考訳(メタデータ) (2023-03-03T07:52:16Z) - Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。
時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文 参考訳(メタデータ) (2023-01-19T12:33:50Z) - A Symbolic Representation of Human Posture for Interpretable Learning
and Reasoning [2.678461526933908]
我々は,人間の姿勢を,より親しみやすい言葉で表現する質的空間推論手法を導入する。
本稿では,2つのレベルでのシンボル表現の導出と,その予備的利用について述べる。
論文 参考訳(メタデータ) (2022-10-17T12:22:13Z) - DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and
Temporal Relatedness [78.98998551326812]
従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。
我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。
本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
論文 参考訳(メタデータ) (2022-09-26T21:59:14Z) - OR-Net: Pointwise Relational Inference for Data Completion under Partial
Observation [51.083573770706636]
この作業はリレーショナル推論を使って不完全なデータを埋めます。
本稿では,2つの点での相対性理論をモデル化するために,全関係ネットワーク (or-net) を提案する。
論文 参考訳(メタデータ) (2021-05-02T06:05:54Z) - Deep Graph Random Process for Relational-Thinking-Based Speech
Recognition [12.09786458466155]
リレーショナルシンキングは、新しい感覚信号と事前知識の関係に関する無数の無意識の知覚に依存している。
本稿では,深部グラフランダムプロセス (DGP) と呼ばれるベイズ的非パラメトリック深層学習手法を提案する。
我々の手法は、訓練中に関係データを用いることなく、発話間の関係を推測できる。
論文 参考訳(メタデータ) (2020-07-04T15:27:57Z) - On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。
本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。
また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文 参考訳(メタデータ) (2020-06-14T12:47:34Z)
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。