論文の概要: Immiscible Color Flows in Optimal Transport Networks for Image Classification

• arxiv url: http://arxiv.org/abs/2205.02938v1
• Date: Wed, 4 May 2022 12:41:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 13:15:55.721505
• Title: Immiscible Color Flows in Optimal Transport Networks for Image Classification
• Title（参考訳）: 画像分類のための最適トランスポートネットワークにおける非ミスシブルカラーフロー
• Authors: Alessandro Lonardi, Diego Baptista, Caterina De Bacco
• Abstract要約: 画像の色分布を利用するために最適な輸送原理を適用する物理に着想を得たシステムを提案する。 私たちのダイナミクスは、画像から構築されたネットワーク上を走行する色を不可視的に制御します。 本手法は,カラー情報が重要となるデータセットにおける画像分類タスクにおいて,競合するアルゴリズムよりも優れる。
• 参考スコア（独自算出の注目度）: 68.8204255655161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In classification tasks, it is crucial to meaningfully exploit information contained in data. Here, we propose a physics-inspired dynamical system that adapts Optimal Transport principles to effectively leverage color distributions of images. Our dynamics regulates immiscible fluxes of colors traveling on a network built from images. Instead of aggregating colors together, it treats them as different commodities that interact with a shared capacity on edges. Our method outperforms competitor algorithms on image classification tasks in datasets where color information matters.
• Abstract（参考訳）: 分類タスクでは,データに含まれる情報を有意義に活用することが重要である。 本稿では,画像の色分布を効果的に活用するために最適な移動原理を適用した物理系を提案する。 私たちのダイナミクスは、画像から構築されたネットワーク上を移動する不可視な色の束を制御します。 色をまとめるのではなく、エッジ上の共有容量と相互作用するさまざまな商品として扱う。 本手法は,カラー情報が重要なデータセットにおける画像分類タスクにおいて,競合アルゴリズムよりも優れる。

関連論文リスト

• Color Equivariant Convolutional Networks [50.655443383582124]
  CNNは、偶然に記録された条件によって導入された色の変化の間にデータ不均衡がある場合、苦労する。 カラースペクトル間の形状特徴共有を可能にする新しいディープラーニングビルディングブロックであるカラー等変畳み込み(CEConvs)を提案する。 CEConvsの利点は、様々なタスクに対するダウンストリーム性能と、列車-テストの分散シフトを含む色の変化に対するロバスト性の改善である。
  論文  参考訳（メタデータ） (2023-10-30T09:18:49Z)
• A Robust Approach Towards Distinguishing Natural and Computer Generated Images using Multi-Colorspace fused and Enriched Vision Transformer [0.0]
  本研究は,自然画像とコンピュータ画像の区別に頑健なアプローチを提案する。 提案手法は,一組のベースラインと比較して高い性能向上を実現する。
  論文  参考訳（メタデータ） (2023-08-14T17:11:17Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• Collaboration among Image and Object Level Features for Image Colourisation [25.60139324272782]
  画像のカラー化は不適切な問題であり、入力データムに存在するコンテキストとオブジェクトインスタンスに依存する複数の正しいソリューションがある。 従来のアプローチは、強力なユーザーインタラクションを必要とするか、画像レベル(コンテキスト)機能を学ぶために畳み込みニューラルネットワーク(CNN)の能力を利用して、この問題を攻撃しました。 コンボリューションによって得られる画像レベルの特徴とカプセルによってキャプチャされるオブジェクトレベルの特徴を分離する,UCapsNetという単一のネットワークを提案する。 そして,異なる層間の接続をスキップすることで,これらの分離要因間の協調を強制し,高品質で再現可能な画像彩色を実現する。
  論文  参考訳（メタデータ） (2021-01-19T11:48:12Z)
• Visualizing Color-wise Saliency of Black-Box Image Classification Models [0.0]
  ディープラーニングを含む高度な手法によって与えられる分類結果は、しばしば解釈するのが困難である。 本稿では,MC-RISE(Multi-Color RISE)を提案する。 本手法は,元のRISEと同様,画像中の各画素の鮮度を示すだけでなく,各画素の色成分の重要度を示す。
  論文  参考訳（メタデータ） (2020-10-06T04:27:18Z)
• Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
  本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。 提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
  論文  参考訳（メタデータ） (2020-07-21T04:03:22Z)
• Semantic-driven Colorization [78.88814849391352]
  最近の着色は、白黒画像の着色を学習しながら意味情報を暗黙的に予測する。 そこで本研究では,まず,人間の動作をシミュレートして,画像の理解を学習し,色づけする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:30Z)
• Instance-aware Image Colorization [51.12040118366072]
  本稿では,インスタンス認識のカラー化を実現する手法を提案する。 我々のネットワークアーキテクチャは、市販のオブジェクト検出器を利用して、収穫されたオブジェクト画像を取得する。 類似したネットワークを用いて、フルイメージの特徴を抽出し、融合モジュールを適用して最終色を予測する。
  論文  参考訳（メタデータ） (2020-05-21T17:59:23Z)

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。