論文の概要: Affinity-VAE for disentanglement, clustering and classification of
objects in multidimensional image data
- arxiv url: http://arxiv.org/abs/2209.04517v1
- Date: Fri, 9 Sep 2022 20:39:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 12:43:23.599679
- Title: Affinity-VAE for disentanglement, clustering and classification of
objects in multidimensional image data
- Title（参考訳）: 多次元画像データにおける物体の絡み合い・クラスタリング・分類のための親和性
- Authors: Jola Mirecka, Marjan Famili, Anna Kota\'nska, Nikolai Juraschko,
Beatriz Costa-Gomes, Colin M. Palmer, Jeyan Thiyagalingam, Tom Burnley, Mark
Basham, Alan R. Lowe
- Abstract要約: アフィニティVAEは、オブジェクトの類似性に基づいた多次元画像データの自動クラスタリングと分類のためのフレームワークである。
この方法は、親和性行列によって駆動される情報的類似性に基づく損失成分を持つ$beta$-VAEsの概念を拡張している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we present affinity-VAE: a framework for automatic clustering
and classification of objects in multidimensional image data based on their
similarity. The method expands on the concept of $\beta$-VAEs with an informed
similarity-based loss component driven by an affinity matrix. The affinity-VAE
is able to create rotationally-invariant, morphologically homogeneous clusters
in the latent representation, with improved cluster separation compared with a
standard $\beta$-VAE. We explore the extent of latent disentanglement and
continuity of the latent spaces on both 2D and 3D image data, including
simulated biological electron cryo-tomography (cryo-ET) volumes as an example
of a scientific application.
- Abstract（参考訳）: 本稿では,多次元画像データにおけるオブジェクトの自動クラスタリングと分類のためのフレームワーク affinity-vae を提案する。
この方法は、親和行列によって駆動される類似性に基づく損失成分により、$\beta$-vaesの概念を拡張する。
affinity-vaeは、標準の$\beta$-vaeと比較してクラスタ分離を改善し、潜在表現で回転不変で形態学的に均質なクラスターを作成できる。
本研究では,2次元および3次元画像データ上での潜伏空間のゆがみと連続性の範囲について検討し,その例として生物電子線クロマトグラフィー(cryo-ET)の体積のシミュレーションを行った。
関連論文リスト
- A consensus-constrained parsimonious Gaussian mixture model for
clustering hyperspectral images [0.0]
食品エンジニアは、ハイパースペクトル画像を使用して、食品サンプルのタイプと品質を分類する。
これらの手法を訓練するには、各トレーニング画像の各ピクセルにラベルを付ける必要がある。
ハイパースペクトル画像に画素をラベル付けするために, コンセンサス制約付き擬似ガウス混合モデル (ccPGMM) を提案する。
論文 参考訳（メタデータ） (2024-03-05T22:23:43Z) - Histopathology Whole Slide Image Analysis with Heterogeneous Graph
Representation Learning [78.49090351193269]
本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。
具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。
我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
論文 参考訳（メタデータ） (2023-07-09T14:43:40Z) - Holographic-(V)AE: an end-to-end SO(3)-Equivariant (Variational)
Autoencoder in Fourier Space [0.0]
グループ同変ニューラルネットワークは、分類と回帰タスクを解決するためのデータ効率のよいアプローチとして登場した。
本稿では,Fourier空間におけるホログラフィックオートエンコーダについて述べる。
学習した潜在空間は、球面画像の分類的特徴を効率的に符号化する。
論文 参考訳（メタデータ） (2022-09-30T16:25:20Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳（メタデータ） (2022-02-18T13:17:43Z) - Multi-Facet Clustering Variational Autoencoders [9.150555507030083]
画像などの高次元データは通常、クラスタリング可能な複数の興味深い特徴を特徴付ける。
MFCVAE(Multi-Facet Clustering Variational Autoencoders)を導入する。
MFCVAEは複数のクラスタリングを同時に学習し、完全に教師なしでエンドツーエンドで訓練されている。
論文 参考訳（メタデータ） (2021-06-09T17:36:38Z) - Interpretable Image Clustering via Diffeomorphism-Aware K-Means [20.747301413801843]
一般の変形のクラスを含む画像とセントロイドの類似性の尺度:微分同相性(diffeomorphisms)を開発する。
提案手法は, 各種データセットの最先端手法と競合することを示す。
論文 参考訳（メタデータ） (2020-12-16T16:11:39Z) - Invariant Deep Compressible Covariance Pooling for Aerial Scene
Categorization [80.55951673479237]
本研究では,空気シーン分類におけるニュアンス変動を解決するために,新しい不変な深部圧縮性共分散プール (IDCCP) を提案する。
本研究では,公開空間画像データセットに関する広範な実験を行い,最先端の手法と比較して,この手法の優位性を実証する。
論文 参考訳（メタデータ） (2020-11-11T11:13:07Z) - Canonical 3D Deformer Maps: Unifying parametric and non-parametric
methods for dense weakly-supervised category reconstruction [79.98689027127855]
独立オブジェクトの2次元画像の集合から学習できる共通オブジェクトカテゴリの3次元形状の表現を提案する。
提案手法は, パラメトリック変形モデル, 非パラメトリック3次元再構成, 標準埋め込みの概念に基づく新しい手法で構築する。
顔、車、鳥の野生のデータセットを3Dで再現することで、最先端の成果が得られます。
論文 参考訳（メタデータ） (2020-08-28T15:44:05Z) - Object-Centric Multi-View Aggregation [86.94544275235454]
本稿では,オブジェクトのスパースなビュー集合を集約して,半単純3次元表現を容積特徴格子の形で計算する手法を提案する。
我々のアプローチの鍵となるのは、カメラのポーズを明示することなく、ビューを持ち上げることができるオブジェクト中心の標準3D座標システムである。
画素から標準座標系への対称対応マッピングの計算により、未知の領域への情報伝達がより良くなることを示す。
論文 参考訳（メタデータ） (2020-07-20T17:38:31Z) - ClusterVO: Clustering Moving Instances and Estimating Visual Odometry
for Self and Surroundings [54.33327082243022]
ClusterVOはステレオビジュアルオドメトリーで、エゴと周囲の固いクラスタ/オブジェクトの両方の動きを同時にクラスタし、推定する。
以前のソリューションでは、バッチ入力やシーン構造や動的オブジェクトモデルへの事前の指示に頼っていたが、ClusterVOは一般的にオンラインであり、屋内のシーン理解や自律運転など、さまざまなシナリオで使用することができる。
論文 参考訳（メタデータ） (2020-03-29T09:06:28Z)
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。