Fugu-MT 論文翻訳(概要): Humans Social Relationship Classification during Accompaniment

論文の概要: Humans Social Relationship Classification during Accompaniment

arxiv url: http://arxiv.org/abs/2207.02890v1
Date: Wed, 6 Jul 2022 18:07:36 GMT
ステータス: 処理完了
システム内更新日: 2022-07-08 13:36:14.634644
Title: Humans Social Relationship Classification during Accompaniment
Title（参考訳）: 伴奏時の人間社会関係分類
Authors: Oscar Castro, Ely Repiso, Anais Garrell and Alberto Sanfeliu
Abstract要約: 本論文は,2人の側方で歩いている2人の社会的関係を,学童・夫婦・家族・友情の4つのカテゴリに分類する深層学習アーキテクチャの設計について述べる。モデルをニューラルネットワークやリカレントニューラルネットワークを用いて開発し,都市環境下で伴奏処理を行う人間から得られる読みのデータベースを用いて,その分類と評価を行う。
参考スコア（独自算出の注目度）: 6.071490877668864
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents the design of deep learning architectures which allow to classify the social relationship existing between two people who are walking in a side-by-side formation into four possible categories --colleagues, couple, family or friendship. The models are developed using Neural Networks or Recurrent Neural Networks to achieve the classification and are trained and evaluated using a database of readings obtained from humans performing an accompaniment process in an urban environment. The best achieved model accomplishes a relatively good accuracy in the classification problem and its results enhance partially the outcomes from a previous study [1]. Furthermore, the model proposed shows its future potential to improve its efficiency and to be implemented in a real robot.
Abstract（参考訳）: 本論文は,2人の側方で歩いている2人の社会的関係を,学童・夫婦・家族・友情の4つのカテゴリに分類する深層学習アーキテクチャの設計について述べる。モデルをニューラルネットワークやリカレントニューラルネットワークを用いて開発し,都市環境下で伴奏処理を行う人間から得られる読みのデータベースを用いて,その分類と評価を行う。最善のモデルが分類問題において比較的良好な精度を達成し,その結果が先行研究の結果を部分的に向上させる([1])。さらに,提案モデルでは,その効率性を向上し,実際のロボットに実装する可能性を示す。

関連論文リスト

Transferable Post-training via Inverse Value Learning [83.75002867411263]
別個のニューラルネットワーク(すなわち値ネットワーク)を用いた後学習におけるロジットレベルのモデリング変更を提案する。このネットワークをデモを使って小さなベースモデルでトレーニングした後、推論中に他のトレーニング済みモデルとシームレスに統合することができる。得られた値ネットワークは、パラメータサイズの異なる事前学習されたモデル間で広い転送性を有することを示す。
論文参考訳（メタデータ） (2024-10-28T13:48:43Z)
Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文参考訳（メタデータ） (2024-01-22T18:58:22Z)
Deep Learning for Human Parsing: A Survey [54.812353922568995]
本研究では,人間の意味解析の先駆的な研究の幅広い範囲を網羅する,最先端の人間の構文解析手法の解析を行う。 1) 構造駆動型アーキテクチャは,人体の異なる部分と固有の階層構造を生かし,(2) グラフベースのネットワークは,効率的で完全な人体分析を実現するためにグローバルな情報を捉え,(3) コンテキスト認識ネットワークは,対応するクラスのピクセルを特徴付けるために,すべてのピクセルにわたって有用なコンテキストを探索し,(4) LSTMベースの手法は,短距離と長距離空間の依存関係を結合して,豊富な局所的・グローバルなコンテキストをうまく活用することができる。
論文参考訳（メタデータ） (2023-01-29T10:54:56Z)
2D Human Pose Estimation: A Survey [16.56050212383859]
人間のポーズ推定は、入力データ中の人間の解剖学的キーポイントまたは身体部分のローカライズを目的としている。ディープラーニング技術は、データから直接特徴表現を学習することを可能にする。本稿では,近年の2次元ポーズ推定手法の成果を振り返り,包括的調査を行う。
論文参考訳（メタデータ） (2022-04-15T08:09:43Z)
A Relational Model for One-Shot Classification [80.77724423309184]
インダクティブバイアスを組み込んだディープラーニングモデルは,広範なデータ拡張に頼ることなく,サンプル効率のよい学習にメリットをもたらすことを示す。提案するワンショット分類モデルは,一対の入力を局所的および対的注意の形で関係マッチングする。
論文参考訳（メタデータ） (2021-11-08T07:53:12Z)
Classification of Urban Morphology with Deep Learning: Application on Urban Vitality [0.0]
道路網を視覚的に4つのクラスに分類する深層学習手法を提案する。世界中の9つの都市が研究エリアとして選ばれ、その道路網はOpenStreetMapから取得されている。都市内の潜在サブグループは、各道路ネットワークカテゴリのパーセンテージのクラスタリングを通して発見される。木に基づく回帰モデルが初めて指定されたのは、形態指標と活力指標の関係を確立するためである。
論文参考訳（メタデータ） (2021-05-07T08:53:31Z)
Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文参考訳（メタデータ） (2021-03-16T13:50:24Z)
Human-Understandable Decision Making for Visual Recognition [30.30163407674527]
モデル学習プロセスに人間の知覚の優先順位を組み込むことにより,深層ニューラルネットワークを訓練する新たなフレームワークを提案する。提案モデルの有効性を2つの古典的視覚認識タスクで評価する。
論文参考訳（メタデータ） (2021-03-05T02:07:33Z)
Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文参考訳（メタデータ） (2020-07-07T17:19:56Z)
A Neural Architecture for Person Ontology population [4.141401146586342]
ニューラルモデルを用いて非構造化データから人オントロジーグラフを自動的に収集するシステムを提案する。これらのタスクのための新しいデータセットを導入し、その結果について議論する。
論文参考訳（メタデータ） (2020-01-22T13:49:14Z)

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。