論文の概要: MisConv: Convolutional Neural Networks for Missing Data

• arxiv url: http://arxiv.org/abs/2110.14010v1
• Date: Tue, 26 Oct 2021 20:39:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-29 10:30:15.834653
• Title: MisConv: Convolutional Neural Networks for Missing Data
• Title（参考訳）: MisConv: データ不足のための畳み込みニューラルネットワーク
• Authors: Marcin Przewi\k{e}\'zlikowski, Marek \'Smieja, {\L}ukasz Struski, Jacek Tabor
• Abstract要約: 不完全な画像処理に様々なCNNアーキテクチャを適用するためのメカニズムであるMisConvを提案する。 因子分析器の混合による欠落値の分布をモデル化することにより、畳み込み演算子の期待値の解析式を求める。 フレームワーク全体がマトリックス操作によって実現されているため、実際にはMisConvは非常に効率的である。
• 参考スコア（独自算出の注目度）: 8.913337498441724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Processing of missing data by modern neural networks, such as CNNs, remains a fundamental, yet unsolved challenge, which naturally arises in many practical applications, like image inpainting or autonomous vehicles and robots. While imputation-based techniques are still one of the most popular solutions, they frequently introduce unreliable information to the data and do not take into account the uncertainty of estimation, which may be destructive for a machine learning model. In this paper, we present MisConv, a general mechanism, for adapting various CNN architectures to process incomplete images. By modeling the distribution of missing values by the Mixture of Factor Analyzers, we cover the spectrum of possible replacements and find an analytical formula for the expected value of convolution operator applied to the incomplete image. The whole framework is realized by matrix operations, which makes MisConv extremely efficient in practice. Experiments performed on various image processing tasks demonstrate that MisConv achieves superior or comparable performance to the state-of-the-art methods.
• Abstract（参考訳）: cnnのような現代のニューラルネットワークによるデータの処理は、画像インペインティングや自動運転車、ロボットなど、多くの実用的な応用において自然に発生する、基本的な、しかし未解決の課題である。 命令ベースのテクニックは依然として最も一般的なソリューションの1つだが、信頼できない情報をデータに頻繁に導入し、機械学習モデルにとって破壊的な推定の不確実性を考慮していない。 本稿では,不完全画像処理に様々なCNNアーキテクチャを適用するための一般的なメカニズムであるMisConvを提案する。 因子分析器の混合による欠落値の分布をモデル化することにより、置換可能なスペクトルを網羅し、不完全画像に適用される畳み込み演算子の期待値の解析式を求める。 フレームワーク全体がマトリックス操作によって実現されているため、実際にはMisConvは非常に効率的である。 様々な画像処理タスクで行った実験では、MisConvは最先端の手法よりも優れているか同等のパフォーマンスを達成している。

関連論文リスト

• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Revisiting Sparse Convolutional Model for Visual Recognition [40.726494290922204]
  本稿では,画像分類のためのスパース畳み込みモデルについて再検討する。 CIFAR-10, CIFAR-100, ImageNetデータセット上でも同様に強力な実験性能を示した。
  論文  参考訳（メタデータ） (2022-10-24T04:29:21Z)
• Robustness and invariance properties of image classifiers [8.970032486260695]
  ディープニューラルネットワークは多くの画像分類タスクで印象的な結果を得た。 ディープネットワークは、多種多様なセマンティック保存画像修正に対して堅牢ではない。 画像分類器の小さなデータ分散シフトに対する堅牢性の低さは、その信頼性に関する深刻な懸念を引き起こす。
  論文  参考訳（メタデータ） (2022-08-30T11:00:59Z)
• Image-to-Image Regression with Distribution-Free Uncertainty Quantification and Applications in Imaging [88.20869695803631]
  真値を含むことが保証される各画素の周囲の不確実な間隔を導出する方法を示す。 画像から画像への回帰を3つのタスクで評価する。
  論文  参考訳（メタデータ） (2022-02-10T18:59:56Z)
• MDN-VO: Estimating Visual Odometry with Confidence [34.8860186009308]
  視覚オドメトリー(VO)は、ロボット工学や自律システムを含む多くのアプリケーションで使われている。 本研究では、6-DoFのポーズを推定する深層学習に基づくVOモデルと、これらの推定に対する信頼度モデルを提案する。 本実験は,本モデルが故障事例の検出に加えて,最先端の性能を上回ることを示す。
  論文  参考訳（メタデータ） (2021-12-23T19:26:04Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• Conditional Variational Autoencoder for Learned Image Reconstruction [5.487951901731039]
  本研究では,未知画像の後部分布を問合せ観測で近似する新しいフレームワークを開発する。 暗黙のノイズモデルと先行処理を処理し、データ生成プロセス(フォワード演算子)を組み込み、学習された再構成特性は異なるデータセット間で転送可能である。
  論文  参考訳（メタデータ） (2021-10-22T10:02:48Z)
• Category-Learning with Context-Augmented Autoencoder [63.05016513788047]
  実世界のデータの解釈可能な非冗長表現を見つけることは、機械学習の鍵となる問題の一つである。 本稿では,オートエンコーダのトレーニングにデータ拡張を利用する新しい手法を提案する。 このような方法で変分オートエンコーダを訓練し、補助ネットワークによって変換結果を予測できるようにする。
  論文  参考訳（メタデータ） (2020-10-10T14:04:44Z)
• Quantifying Model Uncertainty in Inverse Problems via Bayesian Deep Gradient Descent [4.029853654012035]
  逆問題における最近の進歩は、例えばディープニューラルネットワークのような強力なデータ駆動モデルを活用する。 ベイズニューラルネットワークによるモデル不確実性を定量化するための,スケーラブルでデータ駆動型,知識支援型計算フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-07-20T09:43:31Z)
• Diversity inducing Information Bottleneck in Model Ensembles [73.80615604822435]
  本稿では,予測の多様性を奨励することで,ニューラルネットワークの効果的なアンサンブルを生成する問題をターゲットにする。 そこで本研究では,潜伏変数の学習における逆損失の多様性を明示的に最適化し,マルチモーダルデータのモデリングに必要な出力予測の多様性を得る。 最も競争力のあるベースラインと比較して、データ分布の変化の下で、分類精度が大幅に向上した。
  論文  参考訳（メタデータ） (2020-03-10T03:10:41Z)

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。