論文の概要: Evaluating the Use of Reconstruction Error for Novelty Localization

• arxiv url: http://arxiv.org/abs/2107.13379v1
• Date: Wed, 28 Jul 2021 14:10:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-29 14:06:42.360401
• Title: Evaluating the Use of Reconstruction Error for Novelty Localization
• Title（参考訳）: 新規局在化における再構成誤差の評価
• Authors: Patrick Feeney and Michael C. Hughes
• Abstract要約: 解像度マップは、各入力ピクセルの変化が再構成損失にどの程度影響するかを直接明らかにする。 レコンストラクションエラーマップは、入力画像における画素の重要性と密接に相関しない。
• 参考スコア（独自算出の注目度）: 6.179633707134688
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The pixelwise reconstruction error of deep autoencoders is often utilized for image novelty detection and localization under the assumption that pixels with high error indicate which parts of the input image are unfamiliar and therefore likely to be novel. This assumed correlation between pixels with high reconstruction error and novel regions of input images has not been verified and may limit the accuracy of these methods. In this paper we utilize saliency maps to evaluate whether this correlation exists. Saliency maps reveal directly how much a change in each input pixel would affect reconstruction loss, while each pixel's reconstruction error may be attributed to many input pixels when layers are fully connected. We compare saliency maps to reconstruction error maps via qualitative visualizations as well as quantitative correspondence between the top K elements of the maps for both novel and normal images. Our results indicate that reconstruction error maps do not closely correlate with the importance of pixels in the input images, making them insufficient for novelty localization.
• Abstract（参考訳）: ディープオートエンコーダの画素分割による再構成誤差は、入力画像のどの部分が不慣れで、したがって新しい可能性があるかを高い誤差の画素が示すと仮定して、画像の新規性検出と局在化によく用いられる。 この高い再構成誤差を有する画素と入力画像の新しい領域との相関性は検証されておらず、これらの方法の精度を制限できる可能性がある。 本稿では,この相関関係が存在するかどうかを評価するためにサリエンシマップを利用する。 解像度マップは、各入力ピクセルの変化が再構成損失にどの程度影響するかを直接明らかにする一方、各画素の再構成誤差は、層が完全に接続されたときに多くの入力ピクセルに起因する可能性がある。 本研究では,新しい画像と正常画像の両方に対する地図の上位k要素間の定量的対応と,質的可視化による再構成誤差マップとの比較を行った。 以上の結果から,再構成誤差マップは入力画像における画素の重要性と密接に相関していないことが示唆された。

関連論文リスト

• A Lightweight Reconstruction Network for Surface Defect Inspection [3.6823636353870954]
  本稿では,再構成ネットワークに基づく教師なし欠陥検出アルゴリズムを提案する。 再構成ネットワークは、軽量な構造を持つ完全畳み込みオートエンコーダによって設計されている。 その結果,再構成ネットワークの非教師なし欠陥検出アルゴリズムは強い堅牢性と精度を有することがわかった。
  論文  参考訳（メタデータ） (2022-12-25T08:59:15Z)
• Feature reconstruction from incomplete tomographic data without detour [0.0]
  我々はCTデータから直接畳み込み画像の特徴を頑健に再構築するための新しい枠組みを提案する。 フレームワーク内では、さまざまな機能再構成タスクに適応可能な非線形(変分法)正規化メソッドを使用します。
  論文  参考訳（メタデータ） (2022-02-22T08:37:14Z)
• Subpixel Heatmap Regression for Facial Landmark Localization [65.41270740933656]
  熱マップ回帰法は、熱マップ符号化と復号処理の両方に関連する離散化による誤差に悩まされる。 本稿では,熱マップの符号化と復号化に基礎となる連続分布を利用した新しい手法を提案する。 我々のアプローチは、顔のランドマークのローカライゼーションに新しい最先端の結果を設定する複数のデータセット間で顕著な利得を提供する。
  論文  参考訳（メタデータ） (2021-11-03T17:21:28Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Anomaly Detection By Autoencoder Based On Weighted Frequency Domain Loss [1.0312968200748116]
  画像異常検出において、オートエンコーダは、異常を含む可能性のある入力イメージを再構築し、異常のないクリーンイメージを出力する一般的な方法である。 本稿では,従来のオートエンコーダ法と比較して,MVTec ADデータセット上でのAUROCとの比較により,提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2021-05-21T09:10:36Z)
• Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
  視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。 特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。 我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
  論文  参考訳（メタデータ） (2020-12-02T18:19:51Z)
• CR-Fill: Generative Image Inpainting with Auxiliary Contexutal Reconstruction [143.7271816543372]
  本稿では,このようなパッチボローイング動作を,補助的文脈再構成タスクの協調訓練により,注意のないジェネレータに教えることを提案する。 補助分岐を学習可能な損失関数と見なすことができ、クエリ参照特徴類似性と参照ベース再構成器を塗布ジェネレータと共同最適化する。 実験結果から,提案した塗装モデルは,定量的および視覚的性能の観点から,最先端技術と比較して好適に比較できることが示された。
  論文  参考訳（メタデータ） (2020-11-25T15:45:12Z)
• Pixel-wise Dense Detector for Image Inpainting [34.721991959357425]
  近年のGANベースの画像インパインティング手法では,画像の識別とスカラー出力に平均的手法が採用されている。 本稿では, 画像インパインティングのための新たな検出ベース生成フレームワークを提案し, 逆方向のプロセスにおいてmin-max戦略を採用する。 複数の公開データセットの実験は、提案したフレームワークの優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-11-04T13:45:27Z)
• Improved anomaly detection by training an autoencoder with skip connections on images corrupted with Stain-shaped noise [25.85927871251385]
  異常検出は 復元の残留か もしくは 復元の不確実性に依存する 我々は,再設計のシャープさを改善するために,スキップ接続を備えたオートエンコーダアーキテクチャを検討する。 このモデルでは、実際の欠陥の有無にかかわらず、任意の実世界の画像からクリーンなイメージを復元することが好ましいことを示す。
  論文  参考訳（メタデータ） (2020-08-29T13:50:49Z)
• Guidance and Evaluation: Semantic-Aware Image Inpainting for Mixed Scenes [54.836331922449666]
  本稿では,SGE-Net(Semantic Guidance and Evaluation Network)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インペイントの各尺度のガイダンスとして利用し、そこで位置依存推論を再評価する。 混合シーンの現実画像に対する実験により,提案手法が最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-03-15T17:49:20Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。