論文の概要: Inductive Biased Estimation: Learning Generalizations for Identity Transfer

• arxiv url: http://arxiv.org/abs/2110.01571v1
• Date: Mon, 4 Oct 2021 17:10:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-05 15:16:28.146376
• Title: Inductive Biased Estimation: Learning Generalizations for Identity Transfer
• Title（参考訳）: 帰納的バイアス推定:アイデンティティ転送のための学習一般化
• Authors: Gege Gao, Huaibo Huang, Chaoyou Fu, Ran He
• Abstract要約: 本稿では、適切な一般化の学習を促すために、Errors-in-Variables Adapter (EVA)モデルを提案する。 ポーズ,表現,背景要因の観点で,対象の顔と対象の状況とをよりよく一致させるため,対象の状況が対象の身元に及ぼす影響をモデル化する。
• 参考スコア（独自算出の注目度）: 64.4487809928537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identity transfer often faces the challenge of generalizing to new situations where large pose and expression or background gaps exist between source and target face images. To improve generalization in such situations, biases take a key role~\cite{mitchell_1980_bias}. This paper proposes an Errors-in-Variables Adapter (EVA) model to induce learning of proper generalizations by explicitly employing biases to identity estimation based on prior knowledge about the target situation. To better match the source face with the target situation in terms of pose, expression, and background factors, we model the bias as a causal effect of the target situation on source identity and estimate this effect through a controlled intervention trial. To achieve smoother transfer for the target face across the identity gap, we eliminate the target face specificity through multiple kernel regressions. The kernels are used to constrain the regressions to operate only on identity information in the internal representations of the target image, while leaving other perceptual information invariant. Combining these post-regression representations with the biased estimation for identity, EVA shows impressive performance even in the presence of large gaps, providing empirical evidence supporting the utility of the inductive biases in identity estimation.
• Abstract（参考訳）: アイデンティティー転送は、しばしば、ソースとターゲットの顔画像の間に大きなポーズと表現または背景ギャップが存在する新しい状況に一般化するという課題に直面します。 このような状況における一般化を改善するために、バイアスは重要な役割を果たす。 本稿では, 対象状況に関する事前知識に基づいて, 個人識別推定にバイアスを明示的に利用することにより, 適切な一般化の学習を誘導するErrors-in-Variables Adapter (EVA) モデルを提案する。 姿勢・表情・背景要因の観点で、ソースフェイスとターゲット状況とをよりよく一致させるため、ソースアイデンティティに対するターゲット状況の因果効果としてバイアスをモデル化し、制御された介入試行によりその効果を推定する。 同一性ギャップを越えたターゲット面のスムーズな移動を実現するため,複数のカーネル回帰によって対象面の特異性を除去する。 カーネルは、他の知覚情報に不変なまま、対象画像の内部表現におけるアイデンティティ情報のみを操作する回帰を制約するために使用される。 これらの回帰後の表現とアイデンティティのバイアス推定を組み合わせることで、EVAは大きなギャップがあっても印象的な性能を示し、アイデンティティ推定における帰納的バイアスの有用性を支持する実証的な証拠を提供する。

関連論文リスト

• Appearance Debiased Gaze Estimation via Stochastic Subject-Wise Adversarial Learning [33.55397868171977]
  外観に基づく視線推定はコンピュータビジョンにおいて注目されており、様々な深層学習技術を用いて顕著な改善が達成されている。 本稿では,被験者の外観を一般化するネットワークを訓練する,SAZE学習という新しい枠組みを提案する。 実験の結果,MPIIGazeデータセットとEyeDiapデータセットの3.89と4.42をそれぞれ達成した。
  論文  参考訳（メタデータ） (2024-01-25T00:23:21Z)
• Feature-Distribution Perturbation and Calibration for Generalized Person ReID [47.84576229286398]
  人物再識別(ReID)は、視覚認識のためのディープラーニングの急速な発展とともに、過去10年間で著しく進歩してきた。 本稿では,人物ReIDの一般的な特徴表現を導出する特徴分布摂動一般化法を提案する。
  論文  参考訳（メタデータ） (2022-05-23T11:06:12Z)
• Visual Recognition with Deep Learning from Biased Image Datasets [6.10183951877597]
  視覚認知の文脈において、バイアスモデルがどのように治療問題に適用できるかを示す。 作業中のバイアス機構に関する(近似的な)知識に基づいて、我々のアプローチは観察を再重み付けする。 本稿では,画像データベース間で共有される低次元画像表現を提案する。
  論文  参考訳（メタデータ） (2021-09-06T10:56:58Z)
• Learning Domain Invariant Representations for Generalizable Person Re-Identification [71.35292121563491]
  ReID(Generalizable person Re-Identification)は、最近のコンピュータビジョンコミュニティで注目を集めている。 DIR-ReID(Domain Invariant Representations for Generalizable Person Re-Identification)という新しい一般化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-29T18:59:48Z)
• Nonlinear Invariant Risk Minimization: A Causal Approach [5.63479133344366]
  非線形環境下での分布外一般化を可能にする学習パラダイムを提案する。 我々は、非常に単純な変換までデータ表現の識別性を示す。 合成データと実世界のデータセットの両方に関する広範な実験は、我々のアプローチが様々なベースラインメソッドを大きく上回っていることを示している。
  論文  参考訳（メタデータ） (2021-02-24T15:38:41Z)
• Supercharging Imbalanced Data Learning With Energy-based Contrastive Representation Transfer [72.5190560787569]
  コンピュータビジョンにおいて、長い尾のデータセットからの学習は、特に自然画像データセットの繰り返しのテーマである。 本稿では,データ生成機構がラベル条件と特徴分布の間で不変であるメタ分散シナリオを提案する。 これにより、因果データインフレーションの手順を利用してマイノリティクラスの表現を拡大できる。
  論文  参考訳（メタデータ） (2020-11-25T00:13:11Z)
• Understanding Adversarial Examples from the Mutual Influence of Images and Perturbations [83.60161052867534]
  クリーンな画像と敵の摂動を遠ざけることで敵の例を分析し,その相互への影響を分析した。 以上の結果から,画像と普遍摂動の関係に対する新たな視点が示唆された。 我々は、オリジナルトレーニングデータを活用することなく、目標とするユニバーサルアタックの挑戦的なタスクを最初に達成した人物です。
  論文  参考訳（メタデータ） (2020-07-13T05:00:09Z)
• Style Normalization and Restitution for Generalizable Person Re-identification [89.482638433932]
  我々は、ソースドメイン上でモデルをトレーニングするが、ターゲットドメイン上での一般化や性能をよく行うことのできる、一般化可能な人物ReIDフレームワークを設計する。 本稿では,シンプルで効果的なスタイル正規化・再構成(SNR)モジュールを提案する。 SNRモジュールによって強化された我々のモデルは、複数の広く使われているReIDベンチマークにおいて最先端のドメイン一般化アプローチよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-05-22T07:15:10Z)

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。