論文の概要: Improving Pose Estimation through Contextual Activity Fusion
- arxiv url: http://arxiv.org/abs/2111.02500v1
- Date: Wed, 3 Nov 2021 19:58:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-06 03:00:23.421064
- Title: Improving Pose Estimation through Contextual Activity Fusion
- Title(参考訳): コンテキスト・アクティビティ・フュージョンによるポーズ推定の改善
- Authors: David Poulton, Richard Klein
- Abstract要約: 既存のディープラーニングアーキテクチャを採用し、1x1の畳み込みを追加して、アクティビティ情報をモデルに融合させます。
ベースラインモデル,特に一般的でないポーズや典型的には難しい関節において,パフォーマンスが向上することを示す。
- 参考スコア(独自算出の注目度): 0.30458514384586394
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This research presents the idea of activity fusion into existing Pose
Estimation architectures to enhance their predictive ability. This is motivated
by the rise in higher level concepts found in modern machine learning
architectures, and the belief that activity context is a useful piece of
information for the problem of pose estimation. To analyse this concept we take
an existing deep learning architecture and augment it with an additional 1x1
convolution to fuse activity information into the model. We perform evaluation
and comparison on a common pose estimation dataset, and show a performance
improvement over our baseline model, especially in uncommon poses and on
typically difficult joints. Additionally, we perform an ablative analysis to
indicate that the performance improvement does in fact draw from the activity
information.
- Abstract(参考訳): 本研究は,既存のポーズ推定アーキテクチャへのアクティビティ融合の考え方を示し,その予測能力を高める。
これは、現代の機械学習アーキテクチャに見られる高レベルの概念の台頭と、活動コンテキストがポーズ推定の問題に有用な情報であるという考えに動機づけられている。
この概念を分析するために、既存のディープラーニングアーキテクチャを採用し、1x1の畳み込みを追加してモデルにアクティビティ情報を融合させます。
我々は,一般的なポーズ推定データセット上で評価と比較を行い,ベースラインモデル,特に非一般的なポーズと通常難しいジョイントの性能改善を示す。
さらに,行動情報から性能改善が実際に引き出すことを示すために,アブレーション分析を行う。
関連論文リスト
- Has Your Pretrained Model Improved? A Multi-head Posterior Based
Approach [25.927323251675386]
我々は、世界的知識の源として各エンティティに関連するメタ機能を活用し、モデルからエンティティ表現を採用する。
本稿では,これらの表現とメタ機能との整合性を,事前学習モデルの評価指標として用いることを提案する。
提案手法の有効性は,関係データセットを用いたモデル,大規模言語モデル,画像モデルなど,様々な領域で実証されている。
論文 参考訳(メタデータ) (2024-01-02T17:08:26Z) - Uplift Modeling based on Graph Neural Network Combined with Causal
Knowledge [9.005051998738134]
本稿では、因果知識と昇降値の見積を組み合わせたグラフニューラルネットワークに基づくフレームワークを提案する。
本手法は, 典型的なシミュレーションデータに小さな誤差を伴って, 昇降値の予測に有効であることを示す。
論文 参考訳(メタデータ) (2023-11-14T07:21:00Z) - Mitigating Bias: Enhancing Image Classification by Improving Model
Explanations [9.791305104409057]
ディープラーニングモデルは、画像の背景にあるシンプルで容易に識別できる特徴に大きく依存する傾向がある。
モデルに十分な注意を前景に割り当てるよう促すメカニズムを導入する。
本研究は,画像内の主概念の理解と表現を高める上で,前景の注意が重要であることを明らかにする。
論文 参考訳(メタデータ) (2023-07-04T04:46:44Z) - Self-Optimizing Feature Transformation [33.458785763961004]
特徴変換は、既存の特徴を数学的に変換することで、優れた表現(特徴)空間を抽出することを目的としている。
現在の研究は、ドメイン知識に基づく特徴工学や学習潜在表現に焦点を当てている。
特徴変換のための自己最適化フレームワークを提案する。
論文 参考訳(メタデータ) (2022-09-16T16:50:41Z) - Temporal Relevance Analysis for Video Action Models [70.39411261685963]
まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。
次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
論文 参考訳(メタデータ) (2022-04-25T19:06:48Z) - INFOrmation Prioritization through EmPOWERment in Visual Model-Based RL [90.06845886194235]
モデルベース強化学習(RL)のための修正目的を提案する。
相互情報に基づく状態空間モデルに,変分エンパワーメントにインスパイアされた用語を統合する。
本研究は,視覚に基づくロボット制御作業における自然な映像背景を用いたアプローチの評価である。
論文 参考訳(メタデータ) (2022-04-18T23:09:23Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳(メタデータ) (2022-03-11T02:37:35Z) - Revisiting spatio-temporal layouts for compositional action recognition [63.04778884595353]
私たちは、アクション認識にオブジェクト中心のアプローチを取ります。
本論文の主な焦点は、合成/ファウショット動作認識である。
レイアウトモデルとの融合による外観モデルの性能向上を実証する。
論文 参考訳(メタデータ) (2021-11-02T23:04:39Z) - A Multi-Level Attention Model for Evidence-Based Fact Checking [58.95413968110558]
シーケンス構造をトレーニング可能な,シンプルなモデルを提案する。
Fact extract and VERification のための大規模データセットの結果、我々のモデルはグラフベースのアプローチ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) (2021-06-02T05:40:12Z) - SEEK: Segmented Embedding of Knowledge Graphs [77.5307592941209]
本稿では,モデル複雑性を増大させることなく,高い競争力を持つ関係表現性を実現する軽量なモデリングフレームワークを提案する。
本フレームワークは,評価関数の設計に重点を置いており,1)十分な特徴相互作用の促進,2)関係の対称性と反対称性の両特性の保存,という2つの重要な特徴を強調している。
論文 参考訳(メタデータ) (2020-05-02T15:15:50Z)
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。