論文の概要: Offset equivariant networks and their applications
- arxiv url: http://arxiv.org/abs/2207.00292v1
- Date: Fri, 1 Jul 2022 09:38:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 21:16:29.439776
- Title: Offset equivariant networks and their applications
- Title（参考訳）: オフセット同変ネットワークとその応用
- Authors: Marco Cotogni, Claudio Cusano
- Abstract要約: 同変ネットワークは、入力の出力の均一なインクリメントを保存するニューラルネットワークである。
オフセット同変ネットワークの設計と実装のためのフレームワークを提案する。
実験の結果,オフセット同変ネットワークの性能は,通常のデータ上での最先端のネットワークの性能に匹敵することがわかった。
- 参考スコア（独自算出の注目度）: 5.617903764268157
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this paper we present a framework for the design and implementation of
offset equivariant networks, that is, neural networks that preserve in their
output uniform increments in the input. In a suitable color space this kind of
networks achieves equivariance with respect to the photometric transformations
that characterize changes in the lighting conditions. We verified the framework
on three different problems: image recognition, illuminant estimation, and
image inpainting. Our experiments show that the performance of offset
equivariant networks are comparable to those in the state of the art on regular
data. Differently from conventional networks, however, equivariant networks do
behave consistently well when the color of the illuminant changes.
- Abstract（参考訳）: 本稿では、オフセット同変ネットワークの設計と実装のための枠組み、すなわち、入力における出力の均一なインクリメントを保存するニューラルネットワークについて述べる。
適切な色空間において、この種のネットワークは、照明条件の変化を特徴づける測光変換に対して等価である。
本手法は,画像認識,照度推定,画像インパインティングという3つの問題に対して検証を行った。
実験の結果,オフセット同変ネットワークの性能は,正規データにおける最先端のネットワークと同等であることが判明した。
しかし、従来のネットワークとは異なり、同変ネットワークは光度の色が変化すると一貫して振る舞う。
関連論文リスト
- Learning Color Equivariant Representations [1.9594704501292781]
色変化に同値なグループ畳み込みニューラルネットワーク(GCNN)を導入する。
GCNNは、2次元と3次元の回転群からスケールのような半群への様々な幾何学的変換のために設計されている。
論文 参考訳（メタデータ） (2024-06-13T21:02:03Z) - 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) - Using and Abusing Equivariance [10.70891251559827]
群同変畳み込みニューラルネットワークは, サブサンプリングを用いて, 対称性に等しくなることを学習する。
ネットワークの入力次元を1ピクセル程度に変化させることで、一般的に使われているアーキテクチャが正確には同値ではなく、ほぼ同値となるのに十分であることを示す。
論文 参考訳（メタデータ） (2023-08-22T09:49:26Z) - SO(2) and O(2) Equivariance in Image Recognition with
Bessel-Convolutional Neural Networks [63.24965775030674]
この研究はベッセル畳み込みニューラルネットワーク(B-CNN)の開発を示す
B-CNNは、ベッセル関数に基づく特定の分解を利用して、画像とフィルタの間のキー操作を変更する。
他の手法と比較して,B-CNNの性能を評価するために検討を行った。
論文 参考訳（メタデータ） (2023-04-18T18:06:35Z) - Self-Supervised Learning for Group Equivariant Neural Networks [75.62232699377877]
群同変ニューラルネットワーク(英: Group equivariant Neural Network)は、入力の変換で通勤する構造に制限されたモデルである。
自己教師型タスクには、同変プリテキストラベルと異変コントラスト損失という2つの概念を提案する。
標準画像認識ベンチマークの実験では、同変ニューラルネットワークが提案された自己教師型タスクを利用することを示した。
論文 参考訳（メタデータ） (2023-03-08T08:11:26Z) - Neural Color Operators for Sequential Image Retouching [62.99812889713773]
本稿では,新たに導入したトレーニング可能なニューラルカラー演算子のシーケンスとして,リタッチ処理をモデル化して,新しい画像リタッチ手法を提案する。
ニューラルカラー演算子は、従来のカラー演算子の振舞いを模倣し、その強度をスカラーで制御しながらピクセルワイズな色変換を学習する。
定量的な測定と視覚的品質の両面で,SOTA法と比較して常に最良の結果が得られている。
論文 参考訳（メタデータ） (2022-07-17T05:33:19Z) - Immiscible Color Flows in Optimal Transport Networks for Image
Classification [68.8204255655161]
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。
論文 参考訳（メタデータ） (2022-05-04T12:41:36Z) - Neural Networks with Divisive normalization for image segmentation with
application in cityscapes dataset [2.960890352853005]
現在のディープネットワークにおける分割正規化を含めることで、画像の非表現的変化に対してより不変となることを示す。
実験により、U-Netアーキテクチャに分割正規化を組み込むことで、従来のU-Netに対してより良いセグメンテーション結果が得られることが示された。
論文 参考訳（メタデータ） (2022-03-25T10:26:39Z) - Equivariance versus Augmentation for Spherical Images [0.7388859384645262]
球面画像に適用した畳み込みニューラルネットワーク(CNN)における回転同値の役割を解析する。
我々は、S2CNNとして知られるグループ同変ネットワークと、データ増大量で訓練された標準非同変CNNの性能を比較した。
論文 参考訳（メタデータ） (2022-02-08T16:49:30Z) - Encoding Robustness to Image Style via Adversarial Feature Perturbations [72.81911076841408]
我々は、画像画素ではなく特徴統計を直接摂動することで、頑健なモデルを生成することで、敵の訓練に適応する。
提案手法であるAdvBN(Adversarial Batch Normalization)は,トレーニング中に最悪の機能摂動を発生させる単一ネットワーク層である。
論文 参考訳（メタデータ） (2020-09-18T17:52:34Z)
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。