Fugu-MT 論文翻訳(概要): Motion-Based Weak Supervision for Video Parsing with Application to Colonoscopy

論文の概要: Motion-Based Weak Supervision for Video Parsing with Application to Colonoscopy

arxiv url: http://arxiv.org/abs/2210.10594v1
Date: Sun, 16 Oct 2022 06:36:10 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 13:34:40.263817
Title: Motion-Based Weak Supervision for Video Parsing with Application to Colonoscopy
Title（参考訳）: 映像解析のためのモーションベース弱視と大腸内視鏡への応用
Authors: Ori Kelner, Or Weinstein, Ehud Rivlin, Roman Goldenberg
Abstract要約: 動画を段階的に解析するための2段階の教師なし手法を提案する。大腸内視鏡検査における位相検出法の有効性を示す。
参考スコア（独自算出の注目度）: 2.3823569035200753
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a two-stage unsupervised approach for parsing videos into phases. We use motion cues to divide the video into coarse segments. Noisy segment labels are then used to weakly supervise an appearance-based classifier. We show the effectiveness of the method for phase detection in colonoscopy videos.
Abstract（参考訳）: ビデオの位相解析のための2段階の教師なし手法を提案する。動画を粗いセグメントに分割するためにモーションキューを使用します。ノイズセグメントラベルは、外見に基づく分類器の弱い監督に使用される。大腸内視鏡検査における位相検出法の有効性を示す。

関連論文リスト

Temporally Consistent Unbalanced Optimal Transport for Unsupervised Action Segmentation [31.622109513774635]
本稿では,長編未編集ビデオに対するアクションセグメンテーションタスクに対する新しいアプローチを提案する。グロモフ・ワッサーシュタイン問題に先立って時間的一貫性を符号化することにより、時間的に一貫したセグメンテーションをデコードすることができる。本手法では,ビデオの時間的整合性を達成するための動作順序を知る必要はない。
論文参考訳（メタデータ） (2024-04-01T22:53:47Z)
Weakly-Supervised Surgical Phase Recognition [19.27227976291303]
本研究では,グラフ分割の概念と自己教師付き学習を結合して,フレーム単位の位相予測のためのランダムウォーク解を導出する。腹腔鏡下胆嚢摘出術ビデオのColec80データセットを用いて実験を行い,本法の有効性を確認した。
論文参考訳（メタデータ） (2023-10-26T07:54:47Z)
Pseudo-label Guided Cross-video Pixel Contrast for Robotic Surgical Scene Segmentation with Limited Annotations [72.15956198507281]
シーンセグメンテーションを促進するために,新しい擬似ラベル付きクロスビデオコントラスト学習法であるPGV-CLを提案する。本研究では,ロボット外科手術データセットEndoVis18と白内障手術データセットCaDISについて検討した。
論文参考訳（メタデータ） (2022-07-20T05:42:19Z)
Guess What Moves: Unsupervised Video and Image Segmentation by Anticipating Motion [92.80981308407098]
本稿では,動きに基づくセグメンテーションと外観に基づくセグメンテーションの強みを組み合わせたアプローチを提案する。本稿では、画像分割ネットワークを監督し、単純な動きパターンを含む可能性のある領域を予測することを提案する。教師なしのビデオセグメンテーションモードでは、ネットワークは、学習プロセス自体をこれらのビデオをセグメンテーションするアルゴリズムとして使用して、ラベルのないビデオの集合に基づいて訓練される。
論文参考訳（メタデータ） (2022-05-16T17:55:34Z)
Semi-Supervised Action Recognition with Temporal Contrastive Learning [50.08957096801457]
2つの異なる速度でラベル付きビデオを用いて2経路の時間的コントラストモデルを学習する。我々は最先端の半教師付き画像認識手法の映像拡張性能を著しく向上させた。
論文参考訳（メタデータ） (2021-02-04T17:28:35Z)
Weakly Supervised Temporal Action Localization with Segment-Level Labels [140.68096218667162]
時間的アクションローカライゼーションは、テストパフォーマンスとアノテーション時間コストのトレードオフを示す。ここでは、アノテーションがアクションを観察するときにセグメントがラベル付けされる。我々は、ラベル付きセグメントから積分的な動作部分を学ぶために、損失サンプリングと見なされる部分的なセグメント損失を考案する。
論文参考訳（メタデータ） (2020-07-03T10:32:19Z)
Motion2Vec: Semi-Supervised Representation Learning from Surgical Videos [23.153335327822685]
動作セグメント/サブゴール/オプションにグループ化することで,手術映像の動作中心の表現を学習する。我々はビデオ観察から深い埋め込み特徴空間を学習するアルゴリズムであるMotion2Vecを紹介する。この表現を用いて,JIGSAWSデータセットの公開ビデオからの外科的縫合動作を模倣する。
論文参考訳（メタデータ） (2020-05-31T15:46:01Z)
Motion-supervised Co-Part Segmentation [88.40393225577088]
本稿では,コパートセグメンテーションのための自己教師型ディープラーニング手法を提案する。提案手法は,映像から推定される動き情報を有効活用して意味のある物体の発見を可能にする。
論文参考訳（メタデータ） (2020-04-07T09:56:45Z)
Weakly-Supervised Multi-Level Attentional Reconstruction Network for Grounding Textual Queries in Videos [73.4504252917816]
ビデオ中のテキストクエリを時間的にグラウンド化するタスクは、与えられたクエリに意味的に対応する1つのビデオセグメントをローカライズすることである。既存のアプローチのほとんどは、トレーニングのためのセグメント-セマンスペア(時間アノテーション)に依存しており、通常は現実のシナリオでは利用できない。トレーニング段階では,映像文ペアのみに依存するマルチレベル注意再構築ネットワーク(MARN)と呼ばれる,効果的な弱教師付きモデルを提案する。
論文参考訳（メタデータ） (2020-03-16T07:01:01Z)

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。