論文の概要: FisherMatch: Semi-Supervised Rotation Regression via Entropy-based Filtering

• arxiv url: http://arxiv.org/abs/2203.15765v1
• Date: Tue, 29 Mar 2022 17:23:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-30 15:37:05.011605
• Title: FisherMatch: Semi-Supervised Rotation Regression via Entropy-based Filtering
• Title（参考訳）: FisherMatch: エントロピーベースのフィルタリングによる半監督ローテーション回帰
• Authors: Yingda Yin, Yingcheng Cai, He Wang, Baoquan Chen
• Abstract要約: 半教師付き回転回帰のための一般的なフレームワークFisherMatchを提案する。 一般的な半教師付きアプローチであるFixMatchにヒントを得て、擬似ラベルフィルタリングを活用することを提案する。 ラベル付きデータ比が極めて低い場合でも,本手法は良好に動作可能である。
• 参考スコア（独自算出の注目度）: 30.55407962405892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the 3DoF rotation from a single RGB image is an important yet challenging problem. Recent works achieve good performance relying on a large amount of expensive-to-obtain labeled data. To reduce the amount of supervision, we for the first time propose a general framework, FisherMatch, for semi-supervised rotation regression, without assuming any domain-specific knowledge or paired data. Inspired by the popular semi-supervised approach, FixMatch, we propose to leverage pseudo label filtering to facilitate the information flow from labeled data to unlabeled data in a teacher-student mutual learning framework. However, incorporating the pseudo label filtering mechanism into semi-supervised rotation regression is highly non-trivial, mainly due to the lack of a reliable confidence measure for rotation prediction. In this work, we propose to leverage matrix Fisher distribution to build a probabilistic model of rotation and devise a matrix Fisher-based regressor for jointly predicting rotation along with its prediction uncertainty. We then propose to use the entropy of the predicted distribution as a confidence measure, which enables us to perform pseudo label filtering for rotation regression. For supervising such distribution-like pseudo labels, we further investigate the problem of how to enforce loss between two matrix Fisher distributions. Our extensive experiments show that our method can work well even under very low labeled data ratios on different benchmarks, achieving significant and consistent performance improvement over supervised learning and other semi-supervised learning baselines. Our project page is at https://yd-yin.github.io/FisherMatch.
• Abstract（参考訳）: 単一のRGB画像から3DoF回転を推定することは重要な問題である。 最近の研究は、大量の高価なラベル付きデータに依存する優れたパフォーマンスを実現している。 監視の量を削減するため,ドメイン固有の知識やペアデータを仮定することなく,半教師付き回転回帰のための一般的なフレームワークFisherMatchを提案する。 教師と教師の相互学習フレームワークにおいて,ラベル付きデータからラベルなしデータへの情報フローを容易にするために,擬似ラベルフィルタリングの活用を提案する。 しかしながら、擬似ラベルフィルタリング機構を半教師付き回転回帰に組み込むことは、主に、回転予測の信頼できる信頼度尺度が欠如しているため、非常に非自明である。 本研究では,マトリクスフィッシャー分布を利用して回転の確率モデルを構築し,その予測の不確実性とともに回転を共同で予測するマトリクスフィッシャーレグレッサーを考案する。 次に,予測分布のエントロピーを信頼度尺度として利用し,回転回帰に対して擬似ラベルフィルタリングを行うことを提案する。 このような分布型擬似ラベルを監督するために, 2つのマトリクスフィッシャー分布間の損失をいかに強制するかという問題をさらに検討する。 提案手法は,異なるベンチマークでラベル付きデータ比が極めて低い場合でも有効であることを示し,教師付き学習やその他の半教師付き学習ベースラインよりも有意かつ一貫した性能向上を実現する。 私たちのプロジェクトページはhttps://yd-yin.github.io/fishermatchです。

関連論文リスト

• Generalized Regression with Conditional GANs [2.4171019220503402]
  本稿では,学習データセットにおける特徴ラベルペアと,対応する入力と組み合わせて出力を区別できない予測関数を学習することを提案する。 回帰に対するこのアプローチは、私たちが適合するデータの分布に対する仮定を減らし、表現能力が向上することを示す。
  論文  参考訳（メタデータ） (2024-04-21T01:27:47Z)
• Enhancing Consistency and Mitigating Bias: A Data Replay Approach for Incremental Learning [100.7407460674153]
  ディープラーニングシステムは、一連のタスクから学ぶとき、破滅的な忘れがちだ。 問題を緩和するため、新しいタスクを学ぶ際に経験豊富なタスクのデータを再生する手法が提案されている。 しかし、メモリ制約やデータプライバシーの問題を考慮すると、実際には期待できない。 代替として、分類モデルからサンプルを反転させることにより、データフリーなデータ再生法を提案する。
  論文  参考訳（メタデータ） (2024-01-12T12:51:12Z)
• Uncertainty Voting Ensemble for Imbalanced Deep Regression [20.176217123752465]
  本稿では,不均衡なデータから学習するUVOTEを紹介する。 従来の回帰損失を負の対数類似度に置き換え、サンプルワイドのアレタリックな不確実性も予測する。 UVOTEは先行技術より一貫して優れており、同時に精度のよい不確実性評価が得られている。
  論文  参考訳（メタデータ） (2023-05-24T14:12:21Z)
• Robust Outlier Rejection for 3D Registration with Variational Bayes [70.98659381852787]
  我々は、ロバストアライメントのための新しい変分非局所ネットワークベース外乱除去フレームワークを開発した。 そこで本稿では, 投票に基づく不整合探索手法を提案し, 変換推定のための高品質な仮説的不整合をクラスタリングする。
  論文  参考訳（メタデータ） (2023-04-04T03:48:56Z)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• Okapi: Generalising Better by Making Statistical Matches Match [7.392460712829188]
  オカピは、オンライン統計マッチングに基づく頑健な半教師あり学習のためのシンプルで効率的で汎用的な方法である。 提案手法では, 最寄りのマッチング手法を用いて, 整合性損失に対するクロスドメインビューを生成する。 経験的リスクの最小化を改善するために、余分な遅延のないデータを活用することは実際に可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-07T12:41:17Z)
• Transformers Can Do Bayesian Inference [56.99390658880008]
  我々はPFN(Presideed Data Fitted Networks)を提案する。 PFNは、大規模機械学習技術におけるインコンテキスト学習を活用して、大規模な後部集合を近似する。 我々は、PFNがガウス過程をほぼ完璧に模倣し、難解問題に対する効率的なベイズ推定を可能にすることを示した。
  論文  参考訳（メタデータ） (2021-12-20T13:07:39Z)
• Probabilistic Regression with Huber Distributions [6.681943980068051]
  本稿では,ニューラルネットワークを用いて物体の位置と共分散行列を推定する確率論的手法について述べる。 提案手法は,外乱に対する堅牢性,ネットワーク出力に対する境界勾配,その他の望ましい特性を有するように設計されている。 本手法は,一般的なボディポーズと顔のランドマークデータセットを用いて評価し,非熱マップ法の性能を同等以上の性能で評価する。
  論文  参考訳（メタデータ） (2021-11-19T16:12:15Z)
• Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
  我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。 予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。 この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
  論文  参考訳（メタデータ） (2020-06-19T05:08:43Z)
• Least Squares Regression with Markovian Data: Fundamental Limits and Algorithms [69.45237691598774]
  マルコフ連鎖からデータポイントが依存しサンプリングされる最小二乗線形回帰問題について検討する。 この問題を$tau_mathsfmix$という観点から、鋭い情報理論のミニマックス下限を確立する。 本稿では,経験的リプレイに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T04:26:50Z)

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。