Fugu-MT 論文翻訳(概要): O2D2: Out-Of-Distribution Detector to Capture Undecidable Trials in Authorship Verification

論文の概要: O2D2: Out-Of-Distribution Detector to Capture Undecidable Trials in Authorship Verification

arxiv url: http://arxiv.org/abs/2106.15825v1
Date: Wed, 30 Jun 2021 06:10:43 GMT
ステータス: 処理完了
システム内更新日: 2021-07-02 00:36:55.980448
Title: O2D2: Out-Of-Distribution Detector to Capture Undecidable Trials in Authorship Verification
Title（参考訳）: o2d2: オーサシップ検証における決定不能な試行をキャプチャする分散検出装置
Authors: Benedikt Boenninghoff, Robert M. Nickel, Dorothea Kolossa
Abstract要約: 本研究では,ハイブリッド型ニューラル-確率的フレームワークを提案する。これは2020年の優勝申請に基づいており、感度を大幅に下げて話題のバリエーションを減らそうとしている。また, PAN 2021 AVタスクに参加した他のシステムよりも優れた非応答を定義するためのOut-Of-Distribution Detector (O2D2) も備えている。
参考スコア（独自算出の注目度）: 14.321827655211544
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The PAN 2021 authorship verification (AV) challenge is part of a three-year strategy, moving from a cross-topic/closed-set to a cross-topic/open-set AV task over a collection of fanfiction texts. In this work, we present our modified hybrid neural-probabilistic framework. It is based on our 2020 winning submission, with updates to significantly reduce sensitivities to topical variations and to further improve the system's calibration by means of an uncertainty-adaptation layer. Our framework additionally includes an Out-Of-Distribution Detector (O2D2) for defining non-responses, outperforming all other systems that participated in the PAN 2021 AV task.
Abstract（参考訳）: pan 2021 authorship verification (av) challengeは、クロストピック/クローズドセットからクロストピック/オープンセットavタスクへの移行という、3年間の戦略の一部である。本研究では,ハイブリッド型ニューラル確率フレームワークを提案する。これは、我々の2020年の受賞申請に基づいており、更新により、トピックの変化に対する感受性が大幅に低下し、不確実性対応層によってシステムのキャリブレーションがさらに改善される。また, PAN 2021 AVタスクに参加した他のシステムよりも優れた非応答を定義するためのOut-Of-Distribution Detector (O2D2) も備えている。

関連論文リスト

First Place Solution to the ECCV 2024 ROAD++ Challenge @ ROAD++ Spatiotemporal Agent Detection 2024 [12.952512012601874]
トラック1のタスクはエージェント検出であり、連続したビデオフレーム内のエージェントのためのエージェント用の「エージェントチューブ」を構築することを目的としている。私たちのソリューションは、超小型オブジェクト、低照度、不均衡、きめ細かい分類など、このタスクにおける課題に焦点を当てています。 ROAD++ Challenge 2024のトラック1のテストセットで最初にランク付けし、平均30.82%の動画mAPを達成した。
論文参考訳（メタデータ） (2024-10-30T14:52:43Z)
Run-time Introspection of 2D Object Detection in Automated Driving Systems Using Learning Representations [13.529124221397822]
ディープニューラルネットワーク(DNN)に基づく2次元物体検出のための新しいイントロスペクションソリューションを提案する。 KITTIとBDDのデータセットで評価された1段階および2段階のオブジェクト検出器を用いて,2次元オブジェクト検出におけるエラー検出のためのSOTAイントロスペクション機構を実装した。性能評価の結果,提案手法はSOTA法より優れており,BDDデータセットのエラー率を9%から17%まで絶対的に削減できることがわかった。
論文参考訳（メタデータ） (2024-03-02T10:56:14Z)
Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining [81.09446228688559]
Cross-Domain Few-Shots (CD-FSS) は、限定された例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。本稿では,CD-FSSの課題に対処する新しいクロスドメイン微調整手法を提案する。
論文参考訳（メタデータ） (2024-01-16T14:45:41Z)
Hierarchical Audio-Visual Information Fusion with Multi-label Joint Decoding for MER 2023 [51.95161901441527]
本稿では,離散的感情と次元的感情の両方を認識するための新しい枠組みを提案する。基礎モデルから抽出した深い特徴は、生ビデオの頑健な音響的および視覚的表現として使用される。我々の最終システムは最先端のパフォーマンスを達成し、MER-MULTIサブチャレンジのリーダーボードで3位にランクインする。
論文参考訳（メタデータ） (2023-09-11T03:19:10Z)
Tackling Long-Tailed Category Distribution Under Domain Shifts [50.21255304847395]
既存のアプローチでは、両方の問題が存在するシナリオに対処できません。本研究では,分散校正型分類損失,視覚意味マッピング,セマンティック類似性誘導拡張の3つの新しい機能ブロックを設計した。 AWA2-LTSとImageNet-LTSという2つの新しいデータセットが提案された。
論文参考訳（メタデータ） (2022-07-20T19:07:46Z)
STC speaker recognition systems for the NIST SRE 2021 [56.05258832139496]
本稿では,NIST 2021話者認識評価に提出されたSTCシステムについて述べる。これらのシステムは、ディープニューラルネットワークを特徴抽出器として利用する様々なサブシステムで構成されている。ビデオモダリティのために、大きな顔画像データセットに基づいて訓練されたRetinaFace顔検出器と深層ResNet顔埋め込み抽出器を用いた最良のソリューションを開発した。
論文参考訳（メタデータ） (2021-11-03T15:31:01Z)
Efficient Attention Branch Network with Combined Loss Function for Automatic Speaker Verification Spoof Detection [7.219077740523682]
自動話者検証(Automatic Speaker Verification)のタスクのために現在デプロイされているモデルは、その最善は、目に見えない攻撃に対して適切な一般化の度合いを欠いていることである。本研究では、一般化問題に対処するために、損失関数を組み合わせた効率的な注意分岐ネットワーク(EABN)アーキテクチャを提案する。
論文参考訳（メタデータ） (2021-09-05T12:10:16Z)
ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection [70.45884214674057]
ASVspoof 2021は、スプーフの研究を促進するための2年制の課題の第4版である。本稿では,3つのタスク,それぞれのデータベース,評価基準,4つの課題ベースライン,評価プラットフォーム,課題結果の要約について述べる。
論文参考訳（メタデータ） (2021-09-01T16:17:31Z)
ASVspoof 2021: Automatic Speaker Verification Spoofing and Countermeasures Challenge Evaluation Plan [70.45884214674057]
ASVspoof 2021は、二年制で競争上の課題の4番目である。目標は、ボナ・フェイドとスプーフ・ディープフェイク・スピーチを区別できる対策を開発することである。
論文参考訳（メタデータ） (2021-09-01T15:32:28Z)
Self-Calibrating Neural-Probabilistic Model for Authorship Verification Under Covariate Shift [14.321827655211544]
我々はオーサシップ検証(AV)における2つの根本的な問題に対処している。我々は、フレームワークをPAN 2020からベイズ因子スコアリング(BFS)と不確実性適応層(UAL)に拡張しています。 2020/21 PAN AV共有タスクデータを用いた実験により,提案手法は局所的変動に対する感度を著しく低減し,システムキャリブレーションを大幅に改善することを示した。
論文参考訳（メタデータ） (2021-06-21T15:33:48Z)
Automatic Visual Inspection of Rare Defects: A Framework based on GP-WGAN and Enhanced Faster R-CNN [0.0]
本稿では,自動視覚検査(AVI)システムの2段階故障診断フレームワークを提案する。第1段階では、実サンプルに基づいて新しいサンプルを合成する生成モデルが設計されている。提案アルゴリズムは,実際のサンプルからオブジェクトを抽出し,ランダムにブレンドし,新しいサンプルを生成し,画像処理の性能を向上させる。
論文参考訳（メタデータ） (2021-05-02T11:34:59Z)

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。