論文の概要: Measuring uncertainty in human visual segmentation

• arxiv url: http://arxiv.org/abs/2301.07807v3
• Date: Wed, 11 Oct 2023 07:07:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-13 15:18:28.850181
• Title: Measuring uncertainty in human visual segmentation
• Title（参考訳）: ヒト視覚セグメンテーションにおける不確かさの測定
• Authors: Jonathan Vacher, Claire Launay, Pascal Mamassian, Ruben Coen-Cagli
• Abstract要約: 本稿では,知覚的セグメンテーションマップを計測するための新しい統合的アプローチを提案する。 画素に基づく等差判定を計測し,下層のセグメンテーションマップをモデルベースで再構成する。 画像の不確実性は測定された人間の変動に影響を及ぼし、被験者が異なる視覚的特徴の量に影響を及ぼすことを示す。
• 参考スコア（独自算出の注目度）: 1.2289361708127877
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Segmenting visual stimuli into distinct groups of features and visual objects is central to visual function. Classical psychophysical methods have helped uncover many rules of human perceptual segmentation, and recent progress in machine learning has produced successful algorithms. Yet, the computational logic of human segmentation remains unclear, partially because we lack well-controlled paradigms to measure perceptual segmentation maps and compare models quantitatively. Here we propose a new, integrated approach: given an image, we measure multiple pixel-based same--different judgments and perform model--based reconstruction of the underlying segmentation map. The reconstruction is robust to several experimental manipulations and captures the variability of individual participants. We demonstrate the validity of the approach on human segmentation of natural images and composite textures. We show that image uncertainty affects measured human variability, and it influences how participants weigh different visual features. Because any putative segmentation algorithm can be inserted to perform the reconstruction, our paradigm affords quantitative tests of theories of perception as well as new benchmarks for segmentation algorithms.
• Abstract（参考訳）: 視覚刺激を特徴群と視覚対象群に分割することは視覚機能の中心である。 古典的な心理学的手法は人間の知覚的セグメンテーションの多くの規則を明らかにするのに役立ち、機械学習の最近の進歩は成功したアルゴリズムを生み出した。 しかし、知覚的セグメンテーションマップを計測し、モデルを定量的に比較するためのよく制御されたパラダイムが欠如しているため、人間のセグメンテーションの計算論理はいまだに不明である。 本稿では,画像が与えられた場合,複数の画素ベースの同値判定を計測し,下層のセグメンテーションマップをモデルベースで再構成する手法を提案する。 再建はいくつかの実験的な操作に対して堅牢であり、個々の参加者の多様性を捉えている。 自然画像と複合テクスチャのヒトセグメンテーションにおけるアプローチの有効性を実証する。 画像の不確実性は測定された人間の変動に影響を及ぼし、被験者が異なる視覚的特徴の量に影響を及ぼすことを示す。 任意の推定セグメンテーションアルゴリズムを挿入して再構成を行うことができるため、我々のパラダイムは知覚理論の定量的テストとセグメンテーションアルゴリズムの新しいベンチマークを提供する。

関連論文リスト

• Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
  我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。 我々は500人以上の参加者から行動データの35万件の試行を収集した。 次に、一般的な視覚モデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:13Z)
• Explainable Metric Learning for Deflating Data Bias [2.977255700811213]
  本稿では,画像の階層的なセマンティックセマンティックセマンティクスを構築し,解釈性を向上させるための説明可能なメトリクス学習フレームワークを提案する。 提案手法により,2つの画像間のセマンティックセグメントに基づくより人間的に理解可能な類似度測定が可能となる。
  論文  参考訳（メタデータ） (2024-07-05T21:07:27Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• Semantic Brain Decoding: from fMRI to conceptually similar image reconstruction of visual stimuli [0.29005223064604074]
  本稿では,意味的・文脈的類似性にも依存する脳復号法を提案する。 我々は、自然視のfMRIデータセットを使用し、人間の視覚におけるボトムアップとトップダウンの両方のプロセスの存在にインスパイアされたディープラーニングデコードパイプラインを作成します。 視覚刺激の再現は, それまでの文献において, 本来の内容とセマンティックレベルで非常によく一致し, 芸術の状態を超越している。
  論文  参考訳（メタデータ） (2022-12-13T16:54:08Z)
• A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
  バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。 システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。 2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
  論文  参考訳（メタデータ） (2022-11-08T09:54:34Z)
• Just Noticeable Difference for Machine Perception and Generation of Regularized Adversarial Images with Minimal Perturbation [8.920717493647121]
  人間の知覚のジャスト通知差(JND)の概念に触発された機械知覚の尺度を紹介します。 本稿では,機械学習モデルが偽ラベルを出力することで画像の変化を検出するまで,画像を付加雑音で反復的に歪曲する逆画像生成アルゴリズムを提案する。 CIFAR10、ImageNet、MS COCOデータセット上で、アルゴリズムが生成する対向画像の定性的および定量的評価を行います。
  論文  参考訳（メタデータ） (2021-02-16T11:01:55Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。