論文の概要: Uncertainty-Driven Action Quality Assessment
- arxiv url: http://arxiv.org/abs/2207.14513v1
- Date: Fri, 29 Jul 2022 07:21:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 12:55:54.784833
- Title: Uncertainty-Driven Action Quality Assessment
- Title(参考訳): 不確実性に基づく行動品質評価
- Authors: Caixia Zhou and Yaping Huang
- Abstract要約: 本稿では,1つの分岐のみを用いて複数の予測を生成する新しい不確実性駆動型AQA(UD-AQA)モデルを提案する。
我々は不確実性の推定を出力し、予測された不確実性を利用してAQA回帰損失を再重み付けする。
MTL-AQA と手術技術 JIGSAWS データセットについて,提案手法が最新の結果をもたらすことを示す実験結果を得た。
- 参考スコア(独自算出の注目度): 11.921607570671805
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic action quality assessment (AQA) has attracted more interests due to
its wide applications. However, existing AQA methods usually employ the
multi-branch models to generate multiple scores, which is not flexible for
dealing with a variable number of judges. In this paper, we propose a novel
Uncertainty-Driven AQA (UD-AQA) model to generate multiple predictions only
using one single branch. Specifically, we design a CVAE (Conditional
Variational Auto-Encoder) based module to encode the uncertainty, where
multiple scores can be produced by sampling from the learned latent space
multiple times. Moreover, we output the estimation of uncertainty and utilize
the predicted uncertainty to re-weight AQA regression loss, which can reduce
the contributions of uncertain samples for training. We further design an
uncertainty-guided training strategy to dynamically adjust the learning order
of the samples from low uncertainty to high uncertainty. The experiments show
that our proposed method achieves new state-of-the-art results on the Olympic
events MTL-AQA and surgical skill JIGSAWS datasets.
- Abstract(参考訳): 自動行動品質評価(AQA)はその幅広い応用により、より多くの関心を集めている。
しかし、既存のAQAメソッドは通常、複数のスコアを生成するためにマルチブランチモデルを使用する。
本稿では,1つの分岐のみを用いて複数の予測を生成する新しい不確実性駆動型AQA(UD-AQA)モデルを提案する。
具体的には,不確実性を符号化するCVAE (Conditional Variational Auto-Encoder) ベースのモジュールを設計する。
さらに,不確実性の推定を出力し,予測不確実性を利用してAQA回帰損失を再重み付けし,トレーニングにおける不確実性サンプルの寄与を低減する。
さらに,不確実性から高い不確実性までサンプルの学習順序を動的に調整する不確実性誘導訓練戦略を考案する。
提案手法は,オリンピックイベントMTL-AQAと手術スキルJIGSAWSデータセットに対して,最新の結果が得られることを示す。
関連論文リスト
- Uncertainty-aware Language Modeling for Selective Question Answering [107.47864420630923]
本稿では,不確実性を考慮したLLMを生成するLLM変換手法を提案する。
我々のアプローチはモデルとデータに依存しず、計算効率が高く、外部モデルやシステムに依存しない。
論文 参考訳(メタデータ) (2023-11-26T22:47:54Z) - Adaptive Uncertainty Estimation via High-Dimensional Testing on Latent
Representations [28.875819909902244]
不確実性推定は、訓練されたディープニューラルネットワークの信頼性を評価することを目的としている。
既存の不確実性推定アプローチは、低次元分布仮定に依存している。
本研究では,不確実性推定のためのデータ適応型高次元仮説テストを用いた新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-25T12:22:18Z) - Toward Reliable Human Pose Forecasting with Uncertainty [62.83828620074307]
我々は、複数のモデル、データセット、標準化された評価指標を特徴とする、人間のポーズ予測のためのオープンソースのライブラリを開発した。
本研究では,不確かさの挙動に関する知識を注入するために,不確実性事前を用いてアレタリック不確かさをモデル化する手法を提案する。
実験では,精度が最大で25%向上し,不確実性推定の性能が向上した。
論文 参考訳(メタデータ) (2023-04-13T17:56:08Z) - Delving into Identify-Emphasize Paradigm for Combating Unknown Bias [52.76758938921129]
同定精度を高めるため,有効バイアス強調スコアリング法(ECS)を提案する。
また, マイニングされたバイアスアライメントとバイアスコンプリケート試料のコントリビューションのバランスをとるために, 勾配アライメント(GA)を提案する。
様々な環境で複数のデータセットで実験を行い、提案されたソリューションが未知のバイアスの影響を軽減することを実証した。
論文 参考訳(メタデータ) (2023-02-22T14:50:24Z) - Estimation Error Correction in Deep Reinforcement Learning for
Deterministic Actor-Critic Methods [0.0]
価値に基づく深層強化学習法では、値関数の近似は過大評価バイアスを誘発し、準最適ポリシーをもたらす。
過大評価バイアスを克服することを目的とした深いアクター批判的手法では,エージェントが受信した強化信号に高いばらつきがある場合,顕著な過大評価バイアスが発生することを示す。
過小評価を最小限に抑えるため,パラメータフリーで新しいQ-ラーニングモデルを提案する。
論文 参考訳(メタデータ) (2021-09-22T13:49:35Z) - Cross Learning in Deep Q-Networks [82.20059754270302]
本稿では、値に基づく強化学習手法において、よく知られた過大評価問題を緩和することを目的とした、新しいクロスQ-ラーニングアルゴリズムを提案する。
本アルゴリズムは,並列モデルの集合を維持し,ランダムに選択されたネットワークに基づいてQ値を算出することによって,二重Q-ラーニングに基づいて構築する。
論文 参考訳(メタデータ) (2020-09-29T04:58:17Z) - Stochastic-YOLO: Efficient Probabilistic Object Detection under Dataset
Shifts [8.656808451823172]
本稿では、確立されたYOLOv3アーキテクチャを適用し、不確実性推定を生成する。
MC-YOLOは音響的アプローチであると主張しながら,感度解析を行った。
論文 参考訳(メタデータ) (2020-09-07T09:28:17Z) - Generating Adversarial Examples with an Optimized Quality [12.747258403133035]
ディープラーニングモデルは、Adversarial Examples(AE)に対して脆弱であり、これらのモデルを欺くために慎重に作られたサンプルである。
近年の研究では、新たな敵攻撃法が導入されたが、工芸品の品質は保証されていない。
本稿では,画像品質評価(IQA)メトリクスをAEの設計・生成プロセスに組み込む。
論文 参考訳(メタデータ) (2020-06-30T23:05:12Z) - Uncertainty-aware Score Distribution Learning for Action Quality
Assessment [91.05846506274881]
行動品質評価(AQA)のための不確実性認識スコア分布学習(USDL)手法を提案する。
具体的には、異なる評価スコアの確率を記述したスコア分布に関連する事例として、アクションを考察する。
微粒なスコアラベルが利用できる状況下では、多パス不確実性を考慮したスコア分布学習法(MUSDL)を考案し、スコアの不整合成分を探索する。
論文 参考訳(メタデータ) (2020-06-13T15:41:29Z)
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。