Fugu-MT 論文翻訳(概要): Pose-MUM : Reinforcing Key Points Relationship for Semi-Supervised Human Pose Estimation

論文の概要: Pose-MUM : Reinforcing Key Points Relationship for Semi-Supervised Human Pose Estimation

arxiv url: http://arxiv.org/abs/2203.07837v1
Date: Tue, 15 Mar 2022 12:48:40 GMT
ステータス: 処理完了
システム内更新日: 2022-03-16 15:52:32.619716
Title: Pose-MUM : Reinforcing Key Points Relationship for Semi-Supervised Human Pose Estimation
Title（参考訳）: Pose-MUM : 半教師付き人間のPose推定のためのキーポイント関係の強化
Authors: JongMok Kim, Hwijun Lee, Jaeseung Lim, Jongkeun Na, Nojun Kwak, Jin Young Choi
Abstract要約: 本稿では,Mix/UnMix(MUM)拡張を改良したPose-MUMと呼ばれる新しいアプローチを提案する。提案するPose-MUMは,ポーズ推定のための強弱増強を行い,従来の手法よりも人間のキーポイント間の関係を学習するネットワークを誘導する。さらに,指数移動平均正規化(EMAN)の教師を採用し,SSLフレームワークに適しており,性能の向上も図っている。
参考スコア（独自算出の注目度）: 29.69754998988222
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: A well-designed strong-weak augmentation strategy and the stable teacher to generate reliable pseudo labels are essential in the teacher-student framework of semi-supervised learning (SSL). Considering these in mind, to suit the semi-supervised human pose estimation (SSHPE) task, we propose a novel approach referred to as Pose-MUM that modifies Mix/UnMix (MUM) augmentation. Like MUM in the dense prediction task, the proposed Pose-MUM makes strong-weak augmentation for pose estimation and leads the network to learn the relationship between each human key point much better than the conventional methods by adding the mixing process in intermediate layers in a stochastic manner. In addition, we employ the exponential-moving-average-normalization (EMAN) teacher, which is stable and well-suited to the SSL framework and furthermore boosts the performance. Extensive experiments on MS-COCO dataset show the superiority of our proposed method by consistently improving the performance over the previous methods following SSHPE benchmark.
Abstract（参考訳）: 半教師型学習(SSL)の教師・学生の枠組みにおいて,高度に設計された強弱増強戦略と信頼性の高い擬似ラベルを生成する安定教師が不可欠である。これらのことを念頭に置いて、半教師付き人間のポーズ推定(SSHPE)タスクに適合するため、Mix/UnMix(MUM)拡張を修正したPose-MUMと呼ばれる新しいアプローチを提案する。密集予測タスクにおけるMUMと同様に、提案するPose-MUMは、ポーズ推定のための強弱増強を行い、中間層に混合プロセスを追加することにより、従来の手法よりも人間のキーポイント間の関係を学習するネットワークを誘導する。さらに,指数移動平均正規化(EMAN)の教師を採用し,SSLフレームワークに適しており,性能の向上も図っている。また,MS-COCOデータセットの大規模な実験により,SSHPEベンチマークによる従来の手法よりも常に性能を向上し,提案手法の優位性を示した。

関連論文リスト

Multi-Agent Reinforcement Learning from Human Feedback: Data Coverage and Algorithmic Techniques [65.55451717632317]
我々は,MARLHF(Multi-Agent Reinforcement Learning from Human Feedback)について検討し,理論的基礎と実証的検証の両方について検討した。我々は,このタスクを,一般ゲームにおける嗜好のみのオフラインデータセットからナッシュ均衡を識別するものとして定義する。本研究は,MARLHFの多面的アプローチを基礎として,効果的な嗜好に基づくマルチエージェントシステムの実現を目指している。
論文参考訳（メタデータ） (2024-09-01T13:14:41Z)
ProFeAT: Projected Feature Adversarial Training for Self-Supervised Learning of Robust Representations [35.68752612346952]
教師付きAdversarial Training (AT) におけるラベル付きデータの必要性は,ATによる自己監督学習(SSL)技術の利用を促している。既存のSSLメソッドの対向トレーニングへの直接的な適用は、SSLとATの組み合わせによるトレーニングの複雑さの増大により、サブ最適になっている。本研究では,教師と生徒の弱さと強みを兼ね備えた,特徴とプロジェクタに対する適切な攻撃と防御の損失を提案する。
論文参考訳（メタデータ） (2024-06-09T14:20:46Z)
Semi-supervised 2D Human Pose Estimation via Adaptive Keypoint Masking [2.297586471170049]
本稿では,サンプル中の情報を完全にマイニングし,より優れた推定性能が得られる適応型キーポイントマスキング法を提案する。提案手法の有効性をCOCOとMPIIで検証し,最先端の半教師によるポーズ推定をそれぞれ5.2%と0.3%で上回った。
論文参考訳（メタデータ） (2024-04-23T08:41:50Z)
Unleashing the Power of Meta-tuning for Few-shot Generalization Through Sparse Interpolated Experts [33.58165081033569]
Sparse MetA-Tuning (SMAT) はスパース・ミックス・オブ・エキスパート・アプローチにインスパイアされた手法である。 SMATはOOD感度を克服し、ビジョンファウンデーションモデルの転送能力を高めることを約束する。
論文参考訳（メタデータ） (2024-03-13T12:46:03Z)
Skeleton2vec: A Self-supervised Learning Framework with Contextualized Target Representations for Skeleton Sequence [56.092059713922744]
予測対象として高レベルな文脈化機能を使用することで,優れた性能が得られることを示す。具体的には、シンプルで効率的な3D行動表現学習フレームワークであるSkeleton2vecを提案する。提案するSkeleton2vecは,従来の手法より優れ,最先端の結果が得られる。
論文参考訳（メタデータ） (2024-01-01T12:08:35Z)
Multi-Level Contrastive Learning for Dense Prediction Task [59.591755258395594]
本稿では,高密度予測タスクのための領域レベルの特徴表現を効率よく学習するための,MCL(Multi-Level Contrastive Learning for Dense Prediction Task)を提案する。本手法は, 局所化, スケールの整合性, 認識の3つの要因に動機付けられている。提案手法は,様々なデータセットにおける最近の最先端の手法よりも有意なマージンを有する。
論文参考訳（メタデータ） (2023-04-04T17:59:04Z)
MDPose: Real-Time Multi-Person Pose Estimation via Mixture Density Model [27.849059115252008]
本稿では,人間のキーポイントの結合分布をモデル化し,一段階のインスタンス認識ポーズ推定手法を提案する。我々のMDPoseは、人間のキーポイントの高次元の関節分布を学習し、最先端の性能を達成する。
論文参考訳（メタデータ） (2023-02-17T08:29:33Z)
Expeditious Saliency-guided Mix-up through Random Gradient Thresholding [89.59134648542042]
混合学習アプローチはディープニューラルネットワークの一般化能力向上に有効であることが証明されている。本稿では,両経路の分岐点に位置する新しい手法を提案する。我々はR-Mixという手法を「Random Mix-up」という概念にちなむ。より良い意思決定プロトコルが存在するかどうかという問題に対処するために、我々は、ミックスアップポリシーを決定する強化学習エージェントを訓練する。
論文参考訳（メタデータ） (2022-12-09T14:29:57Z)
Semantics-Depth-Symbiosis: Deeply Coupled Semi-Supervised Learning of Semantics and Depth [83.94528876742096]
我々は,意味的セグメンテーションと深さ推定という2つの密なタスクのMTL問題に取り組み,クロスチャネル注意モジュール(CCAM)と呼ばれる新しいアテンションモジュールを提案する。次に,AffineMixと呼ばれる予測深度を用いた意味分節タスクのための新しいデータ拡張と,ColorAugと呼ばれる予測セマンティクスを用いた単純な深度増分を定式化する。最後に,提案手法の性能向上をCityscapesデータセットで検証し,深度と意味に基づく半教師付きジョイントモデルにおける最先端結果の実現を支援する。
論文参考訳（メタデータ） (2022-06-21T17:40:55Z)
MUM : Mix Image Tiles and UnMix Feature Tiles for Semi-Supervised Object Detection [26.032596415721947]
我々は、半教師付き学習(SSL)フレームワーク用の混合画像タイル用の特徴タイルをアンミックスする、単純で効果的なデータ拡張手法であるMix/UnMix(MUM)を導入する。提案手法は混合入力画像タイルを作成し,特徴空間で再構成することにより,MUMは非補間擬似ラベルの最近の正規化効果を享受し,有意義な弱いペアを生成することができる。
論文参考訳（メタデータ） (2021-11-22T02:46:27Z)
SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
論文参考訳（メタデータ） (2021-04-06T13:12:51Z)

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。