論文の概要: Probabilistic Warp Consistency for Weakly-Supervised Semantic Correspondences

• arxiv url: http://arxiv.org/abs/2203.04279v1
• Date: Tue, 8 Mar 2022 18:55:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 15:18:25.787152
• Title: Probabilistic Warp Consistency for Weakly-Supervised Semantic Correspondences
• Title（参考訳）: 弱教師付きセマンティック対応のための確率的ワープ整合性
• Authors: Prune Truong and Martin Danelljan and Fisher Yu and Luc Van Gool
• Abstract要約: 本稿では,セマンティックマッチングのための弱教師付き学習目標である確率ワープ一貫性を提案する。 まず、同じオブジェクトクラスの異なるインスタンスを表現したペアで、既知のワープを画像の1つに適用することで、画像トリプルを構築する。 我々の目的はまた、キーポイントアノテーションと組み合わせることで、強く監督された体制を大幅に改善する。
• 参考スコア（独自算出の注目度）: 121.04766714193285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Probabilistic Warp Consistency, a weakly-supervised learning objective for semantic matching. Our approach directly supervises the dense matching scores predicted by the network, encoded as a conditional probability distribution. We first construct an image triplet by applying a known warp to one of the images in a pair depicting different instances of the same object class. Our probabilistic learning objectives are then derived using the constraints arising from the resulting image triplet. We further account for occlusion and background clutter present in real image pairs by extending our probabilistic output space with a learnable unmatched state. To supervise it, we design an objective between image pairs depicting different object classes. We validate our method by applying it to four recent semantic matching architectures. Our weakly-supervised approach sets a new state-of-the-art on four challenging semantic matching benchmarks. Lastly, we demonstrate that our objective also brings substantial improvements in the strongly-supervised regime, when combined with keypoint annotations.
• Abstract（参考訳）: セマンティックマッチングのための弱教師付き学習目標である確率ワープ一貫性を提案する。 提案手法は,条件付き確率分布として符号化されたネットワークによって予測される密マッチングスコアを直接監督する。 まず、同じオブジェクトクラスの異なるインスタンスを表すペアで、既知のワープを画像の1つに適用することで、画像トリプルを構築する。 得られた画像三重項から生じる制約を用いて確率論的学習目標を導出する。 さらに、確率的出力空間を学習不能な状態に拡張することにより、実画像対に存在するオクルージョンと背景クラッタを更に説明します。 そこで我々は,異なるオブジェクトクラスを表現した画像ペア間の目的を設計する。 提案手法を最近の4つの意味マッチングアーキテクチャに適用して検証する。 弱い教師付きアプローチは、4つの挑戦的なセマンティックマッチングベンチマークに新しい最先端のアプローチを設定します。 最後に、キーポイントアノテーションと組み合わせることで、当社の目的が、強く監督されたレシエーションに大きな改善をもたらすことを実証する。

関連論文リスト

• Semantics Meets Temporal Correspondence: Self-supervised Object-centric Learning in Videos [63.94040814459116]
  自己教師付き手法は、高レベルの意味論と低レベルの時間対応の学習において顕著な進歩を見せている。 融合した意味特徴と対応地図の上に,意味認識型マスキングスロットアテンションを提案する。 我々は、時間的コヒーレントなオブジェクト中心表現を促進するために、セマンティックおよびインスタンスレベルの時間的一貫性を自己スーパービジョンとして採用する。
  論文  参考訳（メタデータ） (2023-08-19T09:12:13Z)
• Semantic-Aware Fine-Grained Correspondence [8.29030327276322]
  本稿では,画像レベルの自己教師付き手法を用いて,セマンティック・アウェアのきめ細かな対応を学習する。 我々は,微粒な対応を特に狙う画素レベルの自己教師型学習目標を設計する。 本手法は,様々な視覚対応タスクにおける畳み込みネットワークを用いた従来の自己教師手法を超越した手法である。
  論文  参考訳（メタデータ） (2022-07-21T12:51:41Z)
• Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
  セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。 画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
  論文  参考訳（メタデータ） (2021-09-22T18:34:14Z)
• A Low Rank Promoting Prior for Unsupervised Contrastive Learning [108.91406719395417]
  提案手法は,従来の低階の促進をコントラスト学習の枠組みに効果的に組み込む新しい確率的グラフィカルモデルを構築する。 我々の仮説は、同じインスタンスクラスに属するすべてのサンプルが、小さな次元の同じ部分空間上にあることを明示的に要求する。 実証的な証拠は、提案アルゴリズムが複数のベンチマークにおける最先端のアプローチを明らかに上回っていることを示している。
  論文  参考訳（メタデータ） (2021-08-05T15:58:25Z)
• Warp Consistency for Unsupervised Learning of Dense Correspondences [116.56251250853488]
  密接な対応を学習する上で重要な課題は、実画像対に対する地道整合の欠如である。 密な対応回帰のための教師なし学習目標であるWarp Consistencyを提案する。 私たちのアプローチは、MegaDepth、RobotCar、TSSなど、いくつかの挑戦的なベンチマークに新しい最先端を設定します。
  論文  参考訳（メタデータ） (2021-04-07T17:58:22Z)
• Unsupervised semantic discovery through visual patterns detection [4.129225533930966]
  我々のアルゴリズムは、階層的に視覚カテゴリーを見つけ、以前の手法が失敗するセグメンテーションマスクを生成することができる。 我々のアルゴリズムは2つのフェーズで構成されている。 フィルタリングフェーズは、アキュムレータ空間によって意味的ホットポストを選択し、スーパーピクセルベースでホットスポットの意味特性を伝播するクラスタリングフェーズである。
  論文  参考訳（メタデータ） (2021-02-24T11:13:15Z)
• Unsupervised Landmark Learning from Unpaired Data [117.81440795184587]
  教師なしランドマーク学習の最近の試みは、外観は似ているがポーズでは異なる合成画像対を活用する。 本稿では,2回スワッピング・リコンストラクション・ストラテジーを適用して最終監視を行うクロスイメージ・サイクル整合性フレームワークを提案する。 提案するフレームワークは,強いベースラインを大きなマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-06-29T13:57:20Z)

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。