Fugu-MT 論文翻訳(概要): A One-Shot Texture-Perceiving Generative Adversarial Network for Unsupervised Surface Inspection

論文の概要: A One-Shot Texture-Perceiving Generative Adversarial Network for Unsupervised Surface Inspection

arxiv url: http://arxiv.org/abs/2106.06792v1
Date: Sat, 12 Jun 2021 15:05:17 GMT
ステータス: 処理完了
システム内更新日: 2021-06-19 17:25:11.147315
Title: A One-Shot Texture-Perceiving Generative Adversarial Network for Unsupervised Surface Inspection
Title（参考訳）: 教師なし表面検査のためのワンショットテクスチャ知覚生成逆ネットワーク
Authors: Lingyun Gu, Lin Zhang, Zhaokui Wang
Abstract要約: 教師なしスキームで一発の正常画像から学習した階層的テクスチャ知覚生成対向ネットワーク(HTP-GAN)を提案する。具体的には、HTP-GANは、大域構造と画像の微細な表現を同時に捉えることができる、畳み込み型GANのピラミッドを含んでいる。本発明の判別器では、方向の畳み込みにより通常の画像の空間的不変表現をキャプチャするためにテクスチャ知覚モジュールが考案される。
参考スコア（独自算出の注目度）: 4.6284467350305585
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Visual surface inspection is a challenging task owing to the highly diverse appearance of target surfaces and defective regions. Previous attempts heavily rely on vast quantities of training examples with manual annotation. However, in some practical cases, it is difficult to obtain a large number of samples for inspection. To combat it, we propose a hierarchical texture-perceiving generative adversarial network (HTP-GAN) that is learned from the one-shot normal image in an unsupervised scheme. Specifically, the HTP-GAN contains a pyramid of convolutional GANs that can capture the global structure and fine-grained representation of an image simultaneously. This innovation helps distinguishing defective surface regions from normal ones. In addition, in the discriminator, a texture-perceiving module is devised to capture the spatially invariant representation of normal image via directional convolutions, making it more sensitive to defective areas. Experiments on a variety of datasets consistently demonstrate the effectiveness of our method.
Abstract（参考訳）: 視覚表面検査は、標的表面や欠陥領域の外観が多様であるため、難しい課題である。以前の試みは、マニュアルアノテーションを使った大量のトレーニング例に大きく依存していた。しかし, 実用上, 検査用サンプルを多数入手することは困難である。これに対抗するために, 教師なし方式で一発画像から学習した階層的テクスチャ知覚生成対向ネットワーク (HTP-GAN) を提案する。具体的には、HTP-GANは、大域構造と画像の微細な表現を同時に捉えることができる、畳み込み型GANのピラミッドを含んでいる。この革新は、欠陥曲面領域と通常の領域を区別するのに役立つ。また、判別器では、方位畳み込みによって正規画像の空間不変表現を捉えるためにテクスチャ知覚モジュールが考案され、欠陥領域に対してより敏感になる。各種データセットを用いた実験により,本手法の有効性を一貫して実証した。

関連論文リスト

GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文参考訳（メタデータ） (2024-02-03T03:13:50Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
顔偽造認識法は一度に1つの顔しか処理できない。ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
論文参考訳（メタデータ） (2023-08-03T03:37:13Z)
Towards Robust GAN-generated Image Detection: a Multi-view Completion Representation [27.483031588071942]
GAN生成画像検出は、ディープフェイクのようなマシン合成画像操作の悪意ある使用に対する最初の防御線となっている。本稿では,新しい多視点画像補完表現に基づくロバスト検出フレームワークを提案する。我々は,6つのGANに対して異なる解像度でフレームワークの一般化能力を評価し,その幅広い摂動攻撃に対する堅牢性を評価する。
論文参考訳（メタデータ） (2023-06-02T08:38:02Z)
Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文参考訳（メタデータ） (2023-02-16T10:40:55Z)
Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
論文参考訳（メタデータ） (2023-02-02T05:24:50Z)
Joint Learning of Deep Texture and High-Frequency Features for Computer-Generated Image Detection [24.098604827919203]
本稿では,CG画像検出のための深いテクスチャと高周波特徴を有する共同学習戦略を提案する。セマンティックセグメンテーションマップを生成して、アフィン変換操作を誘導する。原画像と原画像の高周波成分の組み合わせを、注意機構を備えたマルチブランチニューラルネットワークに供給する。
論文参考訳（メタデータ） (2022-09-07T17:30:40Z)
PC-GANs: Progressive Compensation Generative Adversarial Networks for Pan-sharpening [50.943080184828524]
空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
論文参考訳（メタデータ） (2022-07-29T03:09:21Z)
Unsupervised Industrial Anomaly Detection via Pattern Generative and Contrastive Networks [6.393288885927437]
本稿では,視覚変換器を用いた教師なし異常検出ネットワークを提案する。階層的なタスク学習と人間の経験を利用して、その解釈可能性を高めます。従来の最先端手法を超越した99.8%のAUCを実現した。
論文参考訳（メタデータ） (2022-07-20T10:09:53Z)
HyperNet: Self-Supervised Hyperspectral Spatial-Spectral Feature Understanding Network for Hyperspectral Change Detection [19.774857440703038]
HyperNetはピクセルレベルの自己監督型空間スペクトル理解ネットワークである。有効高スペクトル変化検出のための画素ワイド特徴表現を実現する。提案したHyperNetの有効性と一般化をテストするために,6つのハイパースペクトルデータセットが採用された。
論文参考訳（メタデータ） (2022-07-20T03:26:03Z)
DFR: Deep Feature Reconstruction for Unsupervised Anomaly Segmentation [24.52418722578279]
本論文では,非監視型異常セグメンテーション手法を提案する。画像の小さな領域や限られた領域の異常を検出し、分類することができる。複数のベンチマークデータセットで最先端のパフォーマンスを向上する。
論文参考訳（メタデータ） (2020-12-13T18:30:51Z)

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。