論文の概要: Cycle-GAN for eye-tracking

• arxiv url: http://arxiv.org/abs/2205.10556v1
• Date: Sat, 21 May 2022 10:25:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-05 16:49:35.149943
• Title: Cycle-GAN for eye-tracking
• Title（参考訳）: 視線追跡用サイクルガン
• Authors: Ildar Rakhmatulin
• Abstract要約: 本論文は、視線追跡タスクのためのサイクル生成対向ネットワーク(Cycle-GAN)の典型的な実装である。 Cycle-GAN (Cycle-GAN) は、アイトラッキングタスクのためのサイクル生成敵ネットワーク(Cycle-GAN)手法である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This manuscript presents a not typical implementation of the cycle generative adversarial networks (Cycle-GAN) method for eye-tracking tasks.
• Abstract（参考訳）: 本論文は、視線追跡タスクのためのサイクル生成対向ネットワーク(Cycle-GAN)の典型的な実装である。

関連論文リスト

• LAC-Net: Linear-Fusion Attention-Guided Convolutional Network for Accurate Robotic Grasping Under the Occlusion [79.22197702626542]
  本稿では, 乱れ場面におけるロボットグルーピングのためのアモーダルセグメンテーションを探求する枠組みを提案する。 線形融合注意誘導畳み込みネットワーク(LAC-Net)を提案する。 その結果,本手法が最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-08-06T14:50:48Z)
• Classifying Nodes in Graphs without GNNs [50.311528896010785]
  本稿では,完全GNNフリーなノード分類手法を提案する。 本手法は, 滑らかさ制約, 擬似ラベル反復, 近傍ラベルヒストグラムの3つの主要成分からなる。
  論文  参考訳（メタデータ） (2024-02-08T18:59:30Z)
• BiTrackGAN: Cascaded CycleGANs to Constraint Face Aging [12.4552680911876]
  本稿では,この課題に対処するためのボトムアップトレーニング手法を提案する。 ボトムアップトレーニングにより、2つのCycleGANブロック、すなわち制約機構の間の理想的な中間状態が誘導される。 BiTrackGANは、他のCycleGAN関連法よりも合理的で多様な顔合成を実現する。
  論文  参考訳（メタデータ） (2023-04-22T04:35:40Z)
• EyeLoveGAN: Exploiting domain-shifts to boost network learning with cycleGANs [0.0]
  本稿では,2020年のREFUGEチャレンジへの貢献について述べる。 この課題は網膜画像のデータセットに基づく3つのタスクで構成された。 我々は3つのタスクすべてに畳み込みニューラルネットワークを採用することを提案する。
  論文  参考訳（メタデータ） (2022-03-10T12:53:26Z)
• SL-CycleGAN: Blind Motion Deblurring in Cycles using Sparse Learning [3.6828576285640353]
  本稿では,単一画像視覚障害者のためのスパース学習に基づくGAN(End-to-end Generative Adversarial Network)を提案する。 視覚障害者にとって初めて、スパース畳み込み層とトレーニング可能な空間プーラk-ウィンナーの組み合わせとしてスパースResNetブロックを提案する。 我々は、GoProデータセット上で38.087dBのPSNRを記録破りに達成し、最新のデブロアリング法よりも5.377dBのPSNRを実現した。
  論文  参考訳（メタデータ） (2021-11-07T07:42:22Z)
• NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and Parameters [70.55488722439239]
  提案するNOTMADは,サンプルコンテキストに応じてアーキティパルネットワークの混合を学習する。 患者固有の遺伝子発現ネットワークを含む分析および実験を通じて,NOTMADとサンプル特異的ネットワーク推論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-11-01T17:17:34Z)
• Total Generate: Cycle in Cycle Generative Adversarial Networks for Generating Human Faces, Hands, Bodies, and Natural Scenes [76.83075646527521]
  C2GAN(Cycle in Cycle Generative Adversarial Network)は、人間の顔、手、体、自然のシーンのための自転車。 提案するC2GANは,入力画像データとガイダンスデータの相互利用を対話的に探索するクロスモーダルモデルである。
  論文  参考訳（メタデータ） (2021-06-21T06:20:16Z)
• An Energy-Based View of Graph Neural Networks [0.0]
  グラフニューラルネットワークは、グラフ構造化データを扱うニューラルネットワークの一般的な変種である。 本稿では,特徴量と隣接行列を同時に生成するための新しい手法を提案する。 本手法はロバスト性を改善しつつ,同等の判別性能を得る。
  論文  参考訳（メタデータ） (2021-04-27T21:54:30Z)
• The Hidden Tasks of Generative Adversarial Networks: An Alternative Perspective on GAN Training [1.964574177805823]
  我々は、GAN(Generative Adversarial Network)のトレーニングに関する代替的視点を示す。 GANジェネレータのトレーニングステップが2つの暗黙のサブプロブレムに分解されることを示す。 本研究は,本研究の主な理論的成果を実験的に検証し,代替トレーニング手法の意義について考察する。
  論文  参考訳（メタデータ） (2021-01-28T08:17:29Z)
• Self-supervised Object Tracking with Cycle-consistent Siamese Networks [55.040249900677225]
  我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。 トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
  論文  参考訳（メタデータ） (2020-08-03T04:10:38Z)
• Structured GANs [91.3755431537592]
  対称的なGANを顔画像合成に適用して、異なる量の対称性を持つ新しい顔を生成する。 また,ワンショットファインチューニングという新しい概念に基づいて,教師なしの顔回転機能を提案する。
  論文  参考訳（メタデータ） (2020-01-15T10:25:39Z)

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。