論文の概要: Decoupling Makes Weakly Supervised Local Feature Better

• arxiv url: http://arxiv.org/abs/2201.02861v1
• Date: Sat, 8 Jan 2022 16:51:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-11 16:04:58.586725
• Title: Decoupling Makes Weakly Supervised Local Feature Better
• Title（参考訳）: デカップリングでローカル機能が大幅に改善
• Authors: Kunhong Li, LongguangWang, Li Liu, Qing Ran, Kai Xu, Yulan Guo
• Abstract要約: 本稿では,弱教師付き局所的特徴学習に適した非結合型記述型検出パイプラインを提案する。 パイプライン内では、検出ステップが記述ステップから切り離され、差別的で堅牢な記述子が学習されるまで延期される。 さらに,カメラのポーズ情報を明確に利用して記述子学習を改善するために,ライン・ツー・ウインドウ検索方式を導入する。
• 参考スコア（独自算出の注目度）: 39.17900986173409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly supervised learning can help local feature methods to overcome the obstacle of acquiring a large-scale dataset with densely labeled correspondences. However, since weak supervision cannot distinguish the losses caused by the detection and description steps, directly conducting weakly supervised learning within a joint describe-then-detect pipeline suffers limited performance. In this paper, we propose a decoupled describe-then-detect pipeline tailored for weakly supervised local feature learning. Within our pipeline, the detection step is decoupled from the description step and postponed until discriminative and robust descriptors are learned. In addition, we introduce a line-to-window search strategy to explicitly use the camera pose information for better descriptor learning. Extensive experiments show that our method, namely PoSFeat (Camera Pose Supervised Feature), outperforms previous fully and weakly supervised methods and achieves state-of-the-art performance on a wide range of downstream tasks.
• Abstract（参考訳）: 弱教師付き学習は、局所的特徴法が、密度の高いラベル付き対応を持つ大規模データセットの取得の障害を克服するのに役立つ。 しかし、弱監視では検出と記述ステップによる損失を区別できないため、合同記述検出パイプライン内で弱教師付き学習を直接行うと性能が低下する。 本稿では,弱教師付き局所的特徴学習に適した非結合型記述型検出パイプラインを提案する。 パイプライン内では、検出ステップは記述ステップから切り離され、差別的で堅牢な記述子を学ぶまで延期されます。 さらに,カメラのポーズ情報を明示的に使用して記述者学習を改善するために,直線対ウィンドウ検索戦略を導入する。 広汎な実験により,提案手法,すなわちPoSFeat (Camera Pose Supervised Feature) は,従来の完全かつ弱い教師付き手法よりも優れ,幅広い下流タスクにおける最先端性能を実現していることがわかった。

関連論文リスト

• Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
  LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。 より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。 提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
  論文  参考訳（メタデータ） (2023-11-19T09:41:10Z)
• Towards End-to-End Unsupervised Saliency Detection with Self-Supervised Top-Down Context [25.85453873366275]
  トップダウンコンテキストを介し、自己教師付きエンドツーエンドの有能なオブジェクト検出フレームワークを提案する。 最も深い特徴から自己ローカライゼーションを生かして位置マップを構築し,最も指導的なセグメンテーション指導を学習する。 提案手法は,近年のエンド・ツー・エンド手法と,多段階ソリューションの大部分において,先行的な性能を実現する。
  論文  参考訳（メタデータ） (2023-10-14T08:43:22Z)
• Box-based Refinement for Weakly Supervised and Unsupervised Localization Tasks [57.70351255180495]
  我々は、画像データの代わりにネットワーク出力の上の検出器を訓練し、適切な損失バックプロパゲーションを適用する。 本研究は,課題の見地に対するフレーズ接頭辞の大幅な改善を明らかにした。
  論文  参考訳（メタデータ） (2023-09-07T17:36:02Z)
• OCTAve: 2D en face Optical Coherence Tomography Angiography Vessel Segmentation in Weakly-Supervised Learning with Locality Augmentation [14.322349196837209]
  画素レベルのアノテーションを自動化するために,スクリブルベースの弱教師付き学習手法を提案する。 OCTAveと呼ばれる本提案手法は,スクリブルアノテートによる弱教師付き学習と,敵意と自己監督型自己監督型深層学習を組み合わせたものである。
  論文  参考訳（メタデータ） (2022-07-25T14:40:56Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• DeepfakeUCL: Deepfake Detection via Unsupervised Contrastive Learning [20.94569893388119]
  教師なしコントラスト学習による新しいディープフェイク検出手法を設計する。 本手法は最先端の教師技術に匹敵する検出性能を示す。
  論文  参考訳（メタデータ） (2021-04-23T09:48:10Z)
• Disambiguation of weak supervision with exponential convergence rates [88.99819200562784]
  教師付き学習では、データは不完全で差別的な情報で注釈付けされる。 本稿では,ある入力から潜在的な対象のセットが与えられる弱い監督の事例である部分的ラベリングに焦点を当てる。 弱い監督から完全な監督を回復する実証的曖昧化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-04T18:14:32Z)

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。