論文の概要: Built Year Prediction from Buddha Face with Heterogeneous Labels

• arxiv url: http://arxiv.org/abs/2109.00812v1
• Date: Thu, 2 Sep 2021 09:42:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-03 21:58:02.912412
• Title: Built Year Prediction from Buddha Face with Heterogeneous Labels
• Title（参考訳）: 異種ラベルを用いた仏顔からの建年予測
• Authors: Yiming Qian, Cheikh Brahim El Vaigh, Yuta Nakashima, Benjamin Renoust, Hajime Nagahara, Yutaka Fujioka
• Abstract要約: 我々は、顔画像のみに基づいて、建立された仏像の年数を自動的に推定するニューラルネットワークモデルを構築した。 提案手法は,テストセット上での平均絶対誤差が37.5年ある画像に対して,構築年を推定することができる。
• 参考スコア（独自算出の注目度）: 25.24554456144187
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Buddha statues are a part of human culture, especially of the Asia area, and they have been alongside human civilisation for more than 2,000 years. As history goes by, due to wars, natural disasters, and other reasons, the records that show the built years of Buddha statues went missing, which makes it an immense work for historians to estimate the built years. In this paper, we pursue the idea of building a neural network model that automatically estimates the built years of Buddha statues based only on their face images. Our model uses a loss function that consists of three terms: an MSE loss that provides the basis for built year estimation; a KL divergence-based loss that handles the samples with both an exact built year and a possible range of built years (e.g., dynasty or centuries) estimated by historians; finally a regularisation that utilises both labelled and unlabelled samples based on manifold assumption. By combining those three terms in the training process, we show that our method is able to estimate built years for given images with 37.5 years of a mean absolute error on the test set.
• Abstract（参考訳）: 仏像は、特にアジア地域の文化の一部であり、2000年以上にわたって人類の文明と並んでいる。 歴史が進むにつれ、戦乱、自然災害、その他の理由により、建立された仏像の年代を示す記録が欠落し、歴史学者が築造年数を推定する大きな仕事となった。 本稿では,その顔画像のみに基づいて構築された仏像の年数を自動的に推定するニューラルネットワークモデルの構築を追求する。 本モデルは、3つの項からなる損失関数を用いる: 構築年推定の基礎を提供するmse損失; 正確な構築年と、歴史家が推定する可能性のある構築年(王朝や世紀)の両方でサンプルを処理するkl分岐に基づく損失; 最後に、多様体の仮定に基づいてラベル付きサンプルとラベル付きサンプルの両方を利用する正規化。 学習過程におけるこれら3つの条件を組み合わせることで,テストセットに平均絶対誤差を37.5年有する画像の構築年を推定できることを示した。

関連論文リスト

• Saliency-Aware Automatic Buddhas Statue Recognition [5.561398385399928]
  本稿では,サリエンシマップのサンプリングに基づくエンドツーエンドの自動仏像認識モデルを提案する。 本モデルは,仏教専門家の助けを借りて収集した仏のデータセットを用いて評価し,トップ1の精度を平均4.63%向上させる。
  論文  参考訳（メタデータ） (2024-02-26T19:29:03Z)
• A Concept for Reconstructing Stucco Statues from historic Sketches using synthetic Data only [0.0]
  中世には、木工は「シノピア」と呼ばれる赤い色を使って、最初に壁面に造られた像のスケッチを作成した。 現在、これらの像の多くは破壊されているが、原画は「シノピア」とも呼ばれる赤い色に由来するもので、最終像がどう見えるかの再構築が可能である。
  論文  参考訳（メタデータ） (2024-02-08T11:46:26Z)
• Coloring the Past: Neural Historical Buildings Reconstruction from Archival Photography [69.93897305312574]
  本稿では, ボリュームレンダリング技術を用いて, 歴史的建造物の形状を復元する手法を提案する。 我々は,高密度点雲を幾何学的先行として利用し,カラー画像に制限のある建物の色を復元するために,色相の埋め込み損失を導入する。
  論文  参考訳（メタデータ） (2023-11-29T16:59:45Z)
• Toward A Logical Theory Of Fairness and Bias [12.47276164048813]
  公正定義の形式的な再構築を主張する。 我々は、無意識による公平さ、人口的平等、そして反事実公正という3つの概念を考察する。
  論文  参考訳（メタデータ） (2023-06-08T09:18:28Z)
• Estimating Remaining Lifespan from the Face [0.0]
  顔は、人の生物学的年齢、性別、表現型、遺伝的欠陥、健康状態の推測に利用できる豊富な情報源である。 本研究では、自然災害で死亡した人物の24,000枚以上の画像と、画像の撮影から死亡までの年数に関するデータセットを収集した。 我々は、このデータに基づいて複数の畳み込みニューラルネットワーク(CNN)モデルを微調整し、VGGFaceを用いた検証データの平均絶対誤差を8.3年間達成した。
  論文  参考訳（メタデータ） (2023-01-19T18:38:04Z)
• Few-View Object Reconstruction with Unknown Categories and Camera Poses [80.0820650171476]
  この研究は、カメラのポーズやオブジェクトのカテゴリを知らない少数の画像から、一般的な現実世界のオブジェクトを再構築する。 私たちの研究の要点は、形状再構成とポーズ推定という、2つの基本的な3D視覚問題を解決することです。 提案手法は,各ビューから3次元特徴を予測し,それらを入力画像と組み合わせて活用し,クロスビュー対応を確立する。
  論文  参考訳（メタデータ） (2022-12-08T18:59:02Z)
• Portrait Interpretation and a Benchmark [49.484161789329804]
  提案した肖像画解釈は,人間の知覚を新たな体系的視点から認識する。 我々は,身元,性別,年齢,体格,身長,表情,姿勢をラベル付けした25万枚の画像を含む新しいデータセットを構築した。 筆者らの実験結果から, 肖像画解釈に関わるタスクを組み合わせることで, メリットが得られることが示された。
  論文  参考訳（メタデータ） (2022-07-27T06:25:09Z)
• Neural Descent for Visual 3D Human Pose and Shape [67.01050349629053]
  入力RGB画像から3次元のポーズと形状を復元するディープニューラルネットワーク手法を提案する。 我々は最近導入された表現力のあるボディ統計モデルGHUMに頼っている。 我々の方法論の中心は、HUmanNeural Descent (HUND)と呼ばれるアプローチの学習と最適化である。
  論文  参考訳（メタデータ） (2020-08-16T13:38:41Z)
• Exact Asymptotics for Learning Tree-Structured Graphical Models with Side Information: Noiseless and Noisy Samples [75.97774982432976]
  我々は、独立に描画されたサンプルからIsing木構造図形モデルを学習する精度を導出する。 サンプルがランダムノイズで観測されるシナリオにまで結果を拡張する。 以上の結果から, 試料径を数百倍に抑える実験結果と有意な一致を示した。
  論文  参考訳（メタデータ） (2020-05-09T02:42:40Z)

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。