論文の概要: Differentiable Mathematical Programming for Object-Centric Representation Learning

• arxiv url: http://arxiv.org/abs/2210.02159v1
• Date: Wed, 5 Oct 2022 11:36:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 13:24:16.398454
• Title: Differentiable Mathematical Programming for Object-Centric Representation Learning
• Title（参考訳）: オブジェクト指向表現学習のための微分数学プログラミング
• Authors: Adeel Pervez, Phillip Lippe, Efstratios Gavves
• Abstract要約: 本稿では,線形プログラムとして表現される分割法として最小$s$-$t$グラフカットを提案する。 このグラフを解くために、我々の解は効率的でスケーラブルで微分可能な二次プログラミング近似に依存する。 以上の結果から,我々の手法はスケーラブルであり,テクスチャ化されたシーンやオブジェクトを用いたオブジェクト発見タスクにおいて,既存の手法よりも優れていたことが示唆された。
• 参考スコア（独自算出の注目度）: 32.76702197616919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose topology-aware feature partitioning into $k$ disjoint partitions for given scene features as a method for object-centric representation learning. To this end, we propose to use minimum $s$-$t$ graph cuts as a partitioning method which is represented as a linear program. The method is topologically aware since it explicitly encodes neighborhood relationships in the image graph. To solve the graph cuts our solution relies on an efficient, scalable, and differentiable quadratic programming approximation. Optimizations specific to cut problems allow us to solve the quadratic programs and compute their gradients significantly more efficiently compared with the general quadratic programming approach. Our results show that our approach is scalable and outperforms existing methods on object discovery tasks with textured scenes and objects.
• Abstract（参考訳）: 我々は,オブジェクト中心表現学習のための方法として,与えられたシーン特徴に対して$k$の非結合パーティションを分割するトポロジ・アウェア機能を提案する。 この目的のために,線形プログラムとして表現される分割法として,最小$s$-$t$グラフカットを用いることを提案する。 この方法は、画像グラフの近傍関係を明示的にエンコードするため、位相的に認識される。 このグラフを解くために、我々の解は効率的でスケーラブルで微分可能な二次プログラミング近似に依存する。 カット問題に特化した最適化により、二次プログラムを解き、それらの勾配を一般的な二次計画法よりもはるかに効率的に計算することができる。 以上の結果から,我々のアプローチはスケーラブルであり,テクスチャ化されたシーンやオブジェクトを用いたオブジェクト発見タスクにおける既存手法よりも優れていた。

関連論文リスト

• Fast Semi-supervised Learning on Large Graphs: An Improved Green-function Method [93.04936336359502]
  グラフに基づく半教師付き学習において、グリーン関数法はグラフ空間におけるグリーン関数の計算によって機能する古典的な方法である。 そこで本研究では,最適化の観点から詳細な解析を行い,新しい手法を提案する。 従来の手法とは異なり,改良手法ではガウス除去法とアンコレッドグラフ法という2つの高速化手法を適用できる。
  論文  参考訳（メタデータ） (2024-11-04T04:27:18Z)
• Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
  最適公正表現はいくつかの有用な構造特性を持つことを示す。 そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-26T08:46:48Z)
• Efficient Graph Coloring with Neural Networks: A Physics-Inspired Approach for Large Graphs [0.0]
  本稿では,特に大規模グラフにおいて,グラフニューラルネットワークを有効活用する新しいアルゴリズムを提案する。 本稿では,Erdos-Renyiグラフのデータセット上での手法の有効性を実証し,その適用性を示す。
  論文  参考訳（メタデータ） (2024-08-02T18:02:51Z)
• Combinatorial Approximations for Cluster Deletion: Simpler, Faster, and Better [18.121514220195607]
  クラスタ削除は、計算およびソーシャルネットワーク分析におけるNPハードグラフクラスタリングの目的である。 まず,2つの近似アルゴリズムの厳密な解析を行い,その近似保証を4から3に改善する。 補助グラフにおいて最大等級を優しく取り、その周囲にクラスタを形成することにより、両アルゴリズムを驚くほど単純な方法でデランドマイズすることができることを示す。
  論文  参考訳（メタデータ） (2024-04-24T18:39:18Z)
• Learnable Graph Matching: A Practical Paradigm for Data Association [74.28753343714858]
  これらの問題に対処するための一般的な学習可能なグラフマッチング法を提案する。 提案手法は,複数のMOTデータセット上での最先端性能を実現する。 画像マッチングでは,一般的な屋内データセットであるScanNetで最先端の手法より優れている。
  論文  参考訳（メタデータ） (2023-03-27T17:39:00Z)
• Localized Contrastive Learning on Graphs [110.54606263711385]
  局所グラフコントラスト学習(Local-GCL)という,シンプルだが効果的なコントラストモデルを導入する。 その単純さにもかかわらず、Local-GCLは、様々なスケールと特性を持つグラフ上の自己教師付きノード表現学習タスクにおいて、非常に競争力のある性能を達成する。
  論文  参考訳（メタデータ） (2022-12-08T23:36:00Z)
• Learning Heuristics for the Maximum Clique Enumeration Problem Using Low Dimensional Representations [0.0]
  本稿では,最大列挙問題の傾きを低減するために,入力グラフのプルーニング処理に学習フレームワークを用いる。 本手法の性能評価において,異なる頂点表現を用いることが果たす役割について検討する。 分類過程において局所的なグラフ特徴を用いることで,特徴の除去過程と組み合わせることで,より正確な結果が得られることが観察された。
  論文  参考訳（メタデータ） (2022-10-30T22:04:32Z)
• Learnable Graph Matching: Incorporating Graph Partitioning with Deep Feature Learning for Multiple Object Tracking [58.30147362745852]
  フレーム間のデータアソシエーションは、Multiple Object Tracking(MOT)タスクの中核にある。 既存の手法は、主にトラックレットとフレーム内検出の間のコンテキスト情報を無視する。 そこで本研究では,学習可能なグラフマッチング手法を提案する。
  論文  参考訳（メタデータ） (2021-03-30T08:58:45Z)
• Graph embedding using multi-layer adjacent point merging model [23.706877029336415]
  本稿では, 隣接した多層マージ点モデルを用いたグラフ埋め込み手法を提案する。 この埋め込み手法により、列車データから異なるサブグラフパターンを抽出できる。 数値解析により,提案手法が多くの最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T05:35:04Z)
• Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
  セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。 グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。 計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-03-23T12:28:07Z)

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。