Fugu-MT 論文翻訳(概要): Low-Rank Projections of GCNs Laplacian

論文の概要: Low-Rank Projections of GCNs Laplacian

arxiv url: http://arxiv.org/abs/2106.07360v1
Date: Fri, 4 Jun 2021 09:54:26 GMT
ステータス: 処理完了
システム内更新日: 2021-06-20 16:05:41.876103
Title: Low-Rank Projections of GCNs Laplacian
Title（参考訳）: GCNs Laplacianの低域射影
Authors: Nathan Grinsztajn (Scool), Philippe Preux (Scool), Edouard Oyallon (MLIA)
Abstract要約: 本研究では,スペクトル操作によるコミュニティ検出のための標準モデルの挙動について検討する。ノード分類に必要な情報の多くは低周波領域に含まれることを実証的に示す。
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: In this work, we study the behavior of standard models for community detection under spectral manipulations. Through various ablation experiments, we evaluate the impact of bandpass filtering on the performance of a GCN: we empirically show that most of the necessary and used information for nodes classification is contained in the low-frequency domain, and thus contrary to images, high frequencies are less crucial to community detection. In particular, it is sometimes possible to obtain accuracies at a state-of-the-art level with simple classifiers that rely only on a few low frequencies.
Abstract（参考訳）: 本研究では,スペクトル操作によるコミュニティ検出のための標準モデルの挙動について検討する。様々なアブレーション実験を通じて,gcnの性能に及ぼす帯域通過フィルタの影響を評価した。我々は,ノード分類に必要な情報や使用情報の大半が低周波領域に含まれていることを実証的に示す。特に、いくつかの低周波数にのみ依存する単純な分類器を用いて、最先端の精度を得ることが可能である。

関連論文リスト

Towards a Novel Perspective on Adversarial Examples Driven by Frequency [7.846634028066389]
異なる周波数帯域を組み合わせたブラックボックス逆攻撃アルゴリズムを提案する。複数のデータセットとモデルで実施された実験により、低周波帯域と低周波帯域の高周波成分を組み合わせることで、攻撃効率が著しく向上することが示された。
論文参考訳（メタデータ） (2024-04-16T00:58:46Z)
Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文参考訳（メタデータ） (2024-03-12T01:28:00Z)
FS-BAND: A Frequency-Sensitive Banding Detector [55.59101150019851]
バンディング・アーティファクト(Banding artifact)は、階段のような輪郭(contour)として知られ、圧縮や伝達などで発生する一般的な品質の不快さである。周波数感度バンディング検出器 (FS-BAND) と呼ばれる,帯状アーティファクトを捕捉・評価するための非参照帯状検出モデルを提案する。実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。
論文参考訳（メタデータ） (2023-11-30T03:20:42Z)
High Dynamic Range Image Quality Assessment Based on Frequency Disparity [78.36555631446448]
高ダイナミックレンジ(HDR)画像に対する周波数差に基づく画像品質評価(IQA)アルゴリズムを提案する。提案したLGFMは、最先端HDR IQA法と比較して、主観的知覚との整合性が高い。
論文参考訳（メタデータ） (2022-09-06T08:22:13Z)
How Does Frequency Bias Affect the Robustness of Neural Image Classifiers against Common Corruption and Adversarial Perturbations? [27.865987936475797]
近年の研究では、データ拡張は低周波領域の特徴を過度に分析する結果をもたらすことが示されている。モデルのジャコビアンに対して、低周波成分の比が大きいようにジャコビアン周波数正規化を提案する。我々の手法は、深層学習モデルの周波数バイアスとロバスト性の間のより直接的な関係を解明する。
論文参考訳（メタデータ） (2022-05-09T20:09:31Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-03-27T14:25:52Z)
FrePGAN: Robust Deepfake Detection Using Frequency-level Perturbations [12.027711542565315]
我々は、既知のGANモデルと見えないGANモデルの両方に対してディープフェイク検出器を一般化するためのフレームワークを設計する。本フレームワークは,実画像と区別できないような周波数レベルの摂動マップを生成する。実験のために、GANモデル、色操作、オブジェクトカテゴリのトレーニング設定から異なる新しいテストシナリオを設計する。
論文参考訳（メタデータ） (2022-02-07T16:45:11Z)
Unsupervised Image Denoising with Frequency Domain Knowledge [2.834895018689047]
教師付き学習ベースの手法は頑健な復調結果をもたらすが、大規模データセットの必要性により本質的に制限されている。本研究では,周波数に敏感な非教師付き復調法を提案する。自然および合成データセットを用いた結果から, 周波数情報で拡張した教師なし学習手法が, 最先端の遮音性能を実現することが示唆された。
論文参考訳（メタデータ） (2021-11-29T07:41:32Z)
Explicit Regularisation in Gaussian Noise Injections [64.11680298737963]
ガウスノイズインジェクション(GNI)によるニューラルネットワークの正規化の検討 GNIの明示的な正則化を導出する。このような正規化は、大きな分類マージンを持つ校正分類器を生成することを分析的かつ実証的に示す。
論文参考訳（メタデータ） (2020-07-14T21:29:46Z)

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。