Fugu-MT 論文翻訳(概要): Probabilistic Embeddings Revisited

論文の概要: Probabilistic Embeddings Revisited

arxiv url: http://arxiv.org/abs/2202.06768v1
Date: Mon, 14 Feb 2022 14:37:54 GMT
ステータス: 処理完了
システム内更新日: 2022-02-15 20:59:22.167478
Title: Probabilistic Embeddings Revisited
Title（参考訳）: 確率的埋め込み再訪
Authors: Ivan Karpukhin, Stanislav Dereka, Sergey Kolesnikov
Abstract要約: 近年、深層計量学習とその確率的拡張は、顔検証タスクにおいて最先端の結果を達成している。顔認証の改善にもかかわらず、確率論的手法はコミュニティではほとんど注目されなかった。画像検索の品質を向上できるかどうかはまだ不明である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In recent years, deep metric learning and its probabilistic extensions achieved state-of-the-art results in a face verification task. However, despite improvements in face verification, probabilistic methods received little attention in the community. It is still unclear whether they can improve image retrieval quality. In this paper, we present an extensive comparison of probabilistic methods in verification and retrieval tasks. Following the suggested methodology, we outperform metric learning baselines using probabilistic methods and propose several directions for future work and improvements.
Abstract（参考訳）: 近年、深層計量学習とその確率的拡張は、顔検証タスクにおいて最先端の結果を得た。しかし、顔認証の改善にもかかわらず、確率的手法はコミュニティではほとんど注目されなかった。画像検索の品質を向上できるかどうかはまだ不明である。本稿では,検証および検索作業における確率的手法の広範な比較を行う。提案手法に従い,確率的手法を用いた計量学習ベースラインを上回り,今後の作業と改善のためのいくつかの方向性を提案する。

関連論文リスト

Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文参考訳（メタデータ） (2023-03-21T14:24:58Z)
Learning Generalized Hybrid Proximity Representation for Image Recognition [8.750658662419328]
画像認識のための幾何空間と確率空間の両方で距離メトリクスを学習できる新しい教師付き距離学習法を提案する。ユークリッド空間における距離指標の学習に重点を置く従来の計量学習法とは対照的に,提案手法はハイブリッド手法でより優れた距離表現を学習することができる。
論文参考訳（メタデータ） (2023-01-31T07:49:25Z)
Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文参考訳（メタデータ） (2022-05-20T20:50:17Z)
Uncertainty-based Cross-Modal Retrieval with Probabilistic Representations [18.560958487332265]
確率的埋め込みは、画像マッチングにおけるあいまいさだけでなく、多文語の意味を捉えるのに有用であることが証明されている。本稿では,既存の画像テキストマッチングモデルに標準ベクトル点埋め込みをパラメトリック学習した確率分布に置き換える簡単な手法を提案する。
論文参考訳（メタデータ） (2022-04-20T07:24:20Z)
Masked prediction tasks: a parameter identifiability view [49.533046139235466]
マスク付きトークンの予測に広く用いられている自己教師型学習手法に着目する。いくつかの予測タスクは識別可能性をもたらすが、他のタスクはそうではない。
論文参考訳（メタデータ） (2022-02-18T17:09:32Z)
Uncertainty Modeling for Out-of-Distribution Generalization [56.957731893992495]
特徴統計を適切に操作することで、ディープラーニングモデルの一般化能力を向上させることができると論じる。一般的な手法では、特徴統計を学習した特徴から測定された決定論的値とみなすことが多い。我々は、学習中に合成された特徴統計を用いて、領域シフトの不確かさをモデル化することにより、ネットワークの一般化能力を向上させる。
論文参考訳（メタデータ） (2022-02-08T16:09:12Z)
PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文参考訳（メタデータ） (2021-09-28T17:56:41Z)
Probabilistic Gradient Boosting Machines for Large-Scale Probabilistic Regression [51.770998056563094]
PGBM(Probabilistic Gradient Boosting Machines)は、確率的予測を生成する手法である。既存の最先端手法と比較してPGBMの利点を実証的に示す。
論文参考訳（メタデータ） (2021-06-03T08:32:13Z)
Uncertainty based Class Activation Maps for Visual Question Answering [30.859101872119517]
本稿では,視覚的注意マップを提供する勾配に基づく確実性推定手法を提案する。我々は,これらの推定値の勾配を用いて,より改良した現代確率的ディープラーニング手法を取り入れた。提案手法は,深層学習モデルの精度向上と説明のためのレシピとみなすことができる。
論文参考訳（メタデータ） (2020-01-23T19:54:19Z)

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。