論文の概要: Multistream ValidNet: Improving 6D Object Pose Estimation by Automatic Multistream Validation

• arxiv url: http://arxiv.org/abs/2106.06684v1
• Date: Sat, 12 Jun 2021 04:11:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:04:59.733440
• Title: Multistream ValidNet: Improving 6D Object Pose Estimation by Automatic Multistream Validation
• Title（参考訳）: multistream validnet:自動マルチストリーム検証による6次元オブジェクトポーズ推定の改善
• Authors: Joy Mazumder, Mohsen Zand, and Michael Greenspan
• Abstract要約: 本研究は, 正と偽の正の正の出現を検知し, 識別することで, ポーズ推定の結果を改善する新しい手法を提案する。 任意のポーズ推定アルゴリズムの出力に対してバイナリ分類器を訓練し、結果の有効性を示すバイナリラベルを返す。 提案手法は,Sil'eaneデータセット上での最新のポーズ推定結果を改善し,平均クラス精度が4.15%,検証精度が0.73%,代替CullNet法が4.15%向上したことを示す。
• 参考スコア（独自算出の注目度）: 0.8399688944263841
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents a novel approach to improve the results of pose estimation by detecting and distinguishing between the occurrence of True and False Positive results. It achieves this by training a binary classifier on the output of an arbitrary pose estimation algorithm, and returns a binary label indicating the validity of the result. We demonstrate that our approach improves upon a state-of-the-art pose estimation result on the Sil\'eane dataset, outperforming a variation of the alternative CullNet method by 4.15% in average class accuracy and 0.73% in overall accuracy at validation. Applying our method can also improve the pose estimation average precision results of Op-Net by 6.06% on average.
• Abstract（参考訳）: 本研究は,真正と偽陽性の出現を検出・識別することにより,ポーズ推定の結果を改善する新しい手法を提案する。 これにより、任意のポーズ推定アルゴリズムの出力にバイナリ分類器をトレーニングし、結果の有効性を示すバイナリラベルを返す。 提案手法は,sil\'eaneデータセットにおける最先端のポーズ推定結果に基づき,平均クラス精度で4.15%,バリデーションで0.73%の精度でオルタナティブ・カルネット法の変動を上回った。 また,Op-Netのポーズ推定平均精度を平均6.06%向上させることができる。

関連論文リスト

• Robust deformable image registration using cycle-consistent implicit representations [0.0]
  本稿では,一対の周期一貫性を持つ入射ニューラル表現を用いた変形可能な登録法を提案する。 我々は、ペアの後方変形を反転させ、最適化されたペアのコンセンサスを評価することで、複数の推定値を生成する。 提案手法はランドマーク精度を4.5%向上させ,提案手法が収束しないすべての事例を検出する。
  論文  参考訳（メタデータ） (2023-10-03T10:17:49Z)
• A positive feedback method based on F-measure value for Salient Object Detection [1.9249287163937976]
  本稿では,SODに対するF値に基づく正のフィードバック手法を提案する。 提案手法は,画像を検出して既存のモデルに入力し,それぞれの予測マップを取得する。 5つの公開データセットに対する実験結果から,提案手法の正のフィードバックは,5つの評価指標において最新の12の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-04-28T04:05:13Z)
• Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
  ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。 入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。 CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
  論文  参考訳（メタデータ） (2022-07-13T14:13:49Z)
• Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
  本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。 学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。 提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
  論文  参考訳（メタデータ） (2021-11-11T23:31:34Z)
• MEMO: Test Time Robustness via Adaptation and Augmentation [131.28104376280197]
  テスト時間ロバスト化の問題、すなわちモデルロバスト性を改善するためにテストインプットを用いて検討する。 最近の先行研究ではテスト時間適応法が提案されているが、それぞれ追加の仮定を導入している。 モデルが確率的で適応可能な任意のテスト環境で使用できるシンプルなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-10-18T17:55:11Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• To be Critical: Self-Calibrated Weakly Supervised Learning for Salient Object Detection [95.21700830273221]
  弱教師付き有色物体検出(WSOD)は,画像レベルのアノテーションを用いた有色度モデルの開発を目的としている。 擬似ラベルとネットワーク予測の相互校正ループを明確に設定し,自己校正学習戦略を提案する。 十分に整合したアノテーションを持つはるかに小さなデータセットであっても、モデルがより優れたパフォーマンスと一般化性を達成するのに役立ちます。
  論文  参考訳（メタデータ） (2021-09-04T02:45:22Z)
• Efficient Ensemble Model Generation for Uncertainty Estimation with Bayesian Approximation in Segmentation [74.06904875527556]
  アンサンブルセグメンテーションモデルを構築するための汎用的で効率的なセグメンテーションフレームワークを提案する。 提案手法では,層選択法を用いて効率よくアンサンブルモデルを生成することができる。 また,新たな画素単位の不確実性損失を考案し,予測性能を向上する。
  論文  参考訳（メタデータ） (2020-05-21T16:08:38Z)
• Iterative Averaging in the Quest for Best Test Error [22.987387623516614]
  本稿では,ガウス過程摂動モデルを用いて,反復平均化の一般化性能の増大を解析・説明する。 我々は理論結果から最新の3つの現象を導出する。 CIFAR-10/100, ImageNet, Penn Treebank のデータセットにアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-03-02T23:27:29Z)

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。