Fugu-MT 論文翻訳(概要): Tree edit distance for hierarchical data compatible with HMIL paradigm

論文の概要: Tree edit distance for hierarchical data compatible with HMIL paradigm

arxiv url: http://arxiv.org/abs/2208.00782v1
Date: Tue, 26 Jul 2022 14:36:23 GMT
ステータス: 処理完了
システム内更新日: 2022-08-07 14:20:18.180550
Title: Tree edit distance for hierarchical data compatible with HMIL paradigm
Title（参考訳）: HMILパラダイムに適合する階層データのための木編集距離
Authors: B\v{r}etislav \v{S}op\'ik, Tom\'a\v{s} Stren\'a\v{c}ik
Abstract要約: 階層的マルチインスタンス学習パラダイムと互換性のある階層構造データに対する編集距離を定義する。そのようなデータの例は、内部配列オブジェクトが要素の無秩序なバッグとして解釈されるフォーマットで表現されるデータセットである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We define edit distance for hierarchically structured data compatible with the hierarchical multi-instance learning paradigm. Example of such data is dataset represented in JSON format where inner Array objects are interpreted as unordered bags of elements. We prove correct analytical properties of the defined distance.
Abstract（参考訳）: 階層型マルチインスタンス学習パラダイムに適合する階層型構造化データの編集距離を定義する。このようなデータの例はJSON形式で表現され、内部配列オブジェクトは要素の無秩序なバッグとして解釈される。定義した距離の正確な解析特性を証明した。

関連論文リスト

An Object SLAM Framework for Association, Mapping, and High-Level Tasks [12.62957558651032]
本稿では,オブジェクト指向認識とオブジェクト指向ロボットタスクに焦点を当てた包括的オブジェクトSLAMフレームワークを提案する。提案したオブジェクトSLAMフレームワークを効率よく評価するために,さまざまな公開データセットと実世界の結果が使用されている。
論文参考訳（メタデータ） (2023-05-12T08:10:14Z)
Loop Closure Detection Based on Object-level Spatial Layout and Semantic Consistency [14.694754836704819]
本稿では3次元シーングラフの空間的レイアウトとセマンティック一貫性に基づくオブジェクトベースのループ閉包検出手法を提案する。実験により,提案手法によりより正確な3次元意味マップを構築可能であることが示された。
論文参考訳（メタデータ） (2023-04-11T11:20:51Z)
Detection Hub: Unifying Object Detection Datasets via Query Adaptation on Language Embedding [137.3719377780593]
新しいデザイン(De Detection Hubという名前)は、データセット認識とカテゴリ整列である。データセットの不整合を緩和し、検出器が複数のデータセットをまたいで学習するための一貫性のあるガイダンスを提供する。データセット間のカテゴリは、ワンホットなカテゴリ表現を単語埋め込みに置き換えることで、意味的に統一された空間に整列される。
論文参考訳（メタデータ） (2022-06-07T17:59:44Z)
Learning Feature Aggregation for Deep 3D Morphable Models [57.1266963015401]
階層レベルで機能集約を向上するためのマッピング行列を学習するための注意に基づくモジュールを提案する。実験の結果,マッピング行列のエンドツーエンドトレーニングにより,様々な3次元形状データセットの最先端結果が得られることがわかった。
論文参考訳（メタデータ） (2021-05-05T16:41:00Z)
Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
論文参考訳（メタデータ） (2021-04-20T17:56:24Z)
Topological Data Analysis of Database Representations for Information Retrieval [2.729524133721473]
永続ホモロジーはデータベーストポロジーの厳密な特徴付けを提供する。我々は、一般的な埋め込みが接続を維持するのに失敗することを示した。この効果を捉えるために、拡散不変ボトルネック距離を導入する。
論文参考訳（メタデータ） (2021-04-04T19:29:47Z)
Simple multi-dataset detection [83.9604523643406]
複数の大規模データセット上で統合検出器を訓練する簡単な方法を提案する。データセット固有のアウトプットを共通の意味分類に自動的に統合する方法を示す。私たちのアプローチは手動の分類学の調整を必要としません。
論文参考訳（メタデータ） (2021-02-25T18:55:58Z)
Personal Fixations-Based Object Segmentation with Object Localization and Boundary Preservation [60.41628937597989]
我々はPFOS(Personal Fixations-based Object)に着目し,過去の研究の課題に対処する。視線オブジェクトをセグメント化するオブジェクトローカリゼーションと境界保存(OLBP)に基づく新しいネットワークを提案する。 OLBPは複数のタイプの深い監督の混合されたボトムアップおよびトップダウンの方法で整理されます。
論文参考訳（メタデータ） (2021-01-22T09:20:47Z)
Expressing Objects just like Words: Recurrent Visual Embedding for Image-Text Matching [102.62343739435289]
既存の画像テキストマッチングアプローチは、テキストと画像の各独立オブジェクト間の親和性をキャプチャして集約することにより、画像テキストペアの類似性を推測する。本稿では,リカレントニューラルネットワーク(RNN)を用いて画像と文を対称に処理するDual Path Recurrent Neural Network (DP-RNN)を提案する。我々のモデルはFlickr30Kデータセットの最先端性能とMS-COCOデータセットの競合性能を達成する。
論文参考訳（メタデータ） (2020-02-20T00:51:01Z)
A Framework for End-to-End Learning on Semantic Tree-Structured Data [4.241801379755808]
構造化データの一般的な形態は、私たちが「セマンティックツリー構造」と呼ぶものである。汎用意味木構造データに基づくエンドツーエンド学習のための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） (2020-02-13T18:49:29Z)

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。