論文の概要: A Split Semantic Detection Algorithm for Psychological Sandplay Image
- arxiv url: http://arxiv.org/abs/2203.00907v1
- Date: Wed, 2 Mar 2022 07:35:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-04 03:32:31.118489
- Title: A Split Semantic Detection Algorithm for Psychological Sandplay Image
- Title（参考訳）: 心理的サンドプレイ画像のための分割意味検出アルゴリズム
- Authors: Xiaokun Feng, Xiaotang Chen, Kaiqi Huang
- Abstract要約: 心理的サンドプレイ(英: Psychological Sandplay)は、テスターが砂の物体を選択して配置する視覚的なシーンである。
スプリット(テスターの内部統合を反映する一般的な心理的意味論)を研究対象としています。
我々は,分割意味論の自動検出を実現するために,機械学習の手法を用いる。
- 参考スコア（独自算出の注目度）: 43.744480385084
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Psychological sandplay, as an important psychological analysis tool, is a
visual scene constructed by the tester selecting and placing sand objects
(e.g., sand, river, human figures, animals, vegetation, buildings, etc.). As
the projection of the tester's inner world, it contains high-level semantic
information reflecting the tester's thoughts and feelings. Most of the existing
computer vision technologies focus on the objective basic semantics (e.g.,
object's name, attribute, boundingbox, etc.) in the natural image, while few
related works pay attention to the subjective psychological semantics (e.g.,
emotion, thoughts, feelings, etc.) in the artificial image. We take the latter
semantics as the research object, take "split" (a common psychological
semantics reflecting the inner integration of testers) as the research goal,
and use the method of machine learning to realize the automatic detection of
split semantics, so as to explore the application of machine learning in the
detection of subjective psychological semantics of sandplay images. To this
end, we present a feature dimensionality reduction and extraction algorithm to
obtain a one-dimensional vector representing the split feature, and build the
split semantic detector based on Multilayer Perceptron network to get the
detection results. Experimental results on the real sandplay datasets show the
effectiveness of our proposed algorithm.
- Abstract（参考訳）: 心理的サンドプレイは、重要な心理分析ツールとして、テスターが砂の物体(例えば、砂、川、人格、動物、植生、建物など)を選択し配置する視覚シーンである。
テスターの内界の投影として、テスターの思考や感情を反映した高いレベルの意味情報を含んでいる。
既存のコンピュータビジョン技術のほとんどは、自然画像における客観的な基本的な意味論(オブジェクト名、属性、バウンディングボックスなど)に焦点を合わせているが、その一方で、人工画像における主観的な心理的意味論(感情、思考、感情など)に注意を払っている作品はほとんどない。
後者のセマンティクスを研究対象とし、研究目標としてスプリット(テスターの内的統合を反映する一般的な心理的意味論)を採用し、スプリットセマンティクスの自動検出を実現するために機械学習の手法を用いて、サンドプレイ画像の主観的心理的意味論の検出における機械学習の適用を探る。
この目的のために,分割特徴を表す一次元ベクトルを得るための特徴次元削減抽出アルゴリズムを提案し,多層パーセプトロンネットワークに基づく分割意味検出器を構築し,検出結果を得る。
実サンドプレイデータセットにおける実験結果は,提案アルゴリズムの有効性を示す。
関連論文リスト
- ResVG: Enhancing Relation and Semantic Understanding in Multiple Instances for Visual Grounding [42.10086029931937]
ビジュアルグラウンドティングは、自然言語クエリに基づいて画像に参照されるオブジェクトをローカライズすることを目的としている。
既存の手法では、画像に複数の障害がある場合、大幅な性能低下を示す。
本稿では,Relation and Semantic-sensitive Visual Grounding (ResVG)モデルを提案する。
論文 参考訳（メタデータ） (2024-08-29T07:32:01Z) - StableSemantics: A Synthetic Language-Vision Dataset of Semantic Representations in Naturalistic Images [5.529078451095096]
視覚シーンの意味を理解することはコンピュータビジョンの基本的な課題である。
テキストと画像のフレームワークの最近の進歩は、自然のシーン統計を暗黙的に捉えるモデルにつながっている。
提案するStableSemanticsは、224万件の人為的なプロンプト、処理された自然言語キャプション、200万以上の合成画像、そして個々の名詞のチャンクに対応する1000万のアテンションマップからなるデータセットである。
論文 参考訳（メタデータ） (2024-06-19T17:59:40Z) - Visual Context-Aware Person Fall Detection [52.49277799455569]
画像中の個人とオブジェクトを半自動分離するセグメンテーションパイプラインを提案する。
ベッド、椅子、車椅子などの背景オブジェクトは、転倒検知システムに挑戦し、誤ったポジティブアラームを引き起こす。
トレーニング中のオブジェクト固有のコンテキスト変換が、この課題を効果的に軽減することを示す。
論文 参考訳（メタデータ） (2024-04-11T19:06:36Z) - Depth-aware Panoptic Segmentation [1.4170154234094008]
本稿では, パンオプティカルセグメンテーションのための新しいCNN手法を提案する。
そこで本研究では,同じ物体に対して画素の割り当てを行う深度対応ダイス損失項を提案する。
Cityscapesデータセットで行った実験では、提案手法が誤って1つのインスタンスにマージされたオブジェクトの数を減少させることを示した。
論文 参考訳（メタデータ） (2024-03-21T08:06:49Z) - Measuring the Interpretability of Unsupervised Representations via
Quantized Reverse Probing [97.70862116338554]
本稿では,自己教師付き表現の解釈可能性の測定問題について検討する。
我々は、後者を、表現と手動でラベル付けされた概念の空間の間の相互情報を推定するものとして定式化する。
提案手法は,多人数の自己教師付き表現の評価に利用し,解釈可能性による評価を行う。
論文 参考訳（メタデータ） (2022-09-07T16:18:50Z) - Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。
既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。
視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
論文 参考訳（メタデータ） (2022-07-25T02:20:03Z) - Discovering Objects that Can Move [55.743225595012966]
手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。
既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。
私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
論文 参考訳（メタデータ） (2022-03-18T21:13:56Z) - Affect-DML: Context-Aware One-Shot Recognition of Human Affect using
Deep Metric Learning [29.262204241732565]
既存の方法は、すべての関心の感情に注釈付きトレーニングの例として優先順位が与えられると仮定している。
我々は、文脈における感情のワンショット認識を概念化し、単一のサポートサンプルからより細かい粒子レベルの人間の影響状態を認識することを目的とした新しい問題である。
モデルの全変種は、ランダムなベースラインよりも明らかに優れており、セマンティックシーンのコンテキストを活用することで、学習された表現を一貫して改善している。
論文 参考訳（メタデータ） (2021-11-30T10:35:20Z) - Personalized Image Semantic Segmentation [58.980245748434]
ラベルのないパーソナライズされた画像に対して、データのパーソナライズされた特徴を調査することにより、より正確なセグメンテーション結果を生成する。
画像のセグメント化時に画像間コンテキストを組み込んだベースライン手法を提案する。
コードとPSSデータセットは公開されます。
論文 参考訳（メタデータ） (2021-07-24T04:03:11Z) - Grounded and Controllable Image Completion by Incorporating Lexical
Semantics [111.47374576372813]
Lexical Semantic Image Completion (LSIC)は、芸術、デザイン、遺産保護に潜在的な応用をもたらす可能性がある。
視覚的文脈と語彙的文脈の両方に忠実な結果を生成することを提唱する。
LSICの大きな課題の1つは、ビジュアル・セマンティック・コンテキストの構造をモデル化し整合させることである。
論文 参考訳（メタデータ） (2020-02-29T16:54:21Z) - Instance Segmentation of Visible and Occluded Regions for Finding and
Picking Target from a Pile of Objects [25.836334764387498]
本研究では,対象物体の発見・把握が可能な物体の山から対象物を選択するロボットシステムを提案する。
既存のインスタンスセグメンテーションモデルを新しいリルックアーキテクチャで拡張し、モデルがインスタンス間の関係を明示的に学習する。
また、画像合成により、人間のアノテーションを使わずに新しいオブジェクトを処理できるシステムを構築する。
論文 参考訳（メタデータ） (2020-01-21T12:28:37Z)
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。