論文の概要: ODOR: The ICPR2022 ODeuropa Challenge on Olfactory Object Recognition

• arxiv url: http://arxiv.org/abs/2301.09878v1
• Date: Tue, 24 Jan 2023 09:35:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-25 14:00:14.343053
• Title: ODOR: The ICPR2022 ODeuropa Challenge on Olfactory Object Recognition
• Title（参考訳）: 匂い: 嗅覚物体認識に関するicpr2022 odeuropaチャレンジ
• Authors: Mathias Zinnen, Prathmesh Madhu, Ronak Kosti, Peter Bell, Andreas Maier, Vincent Christlein
• Abstract要約: Odeuropa Challenge on Olfactory Object Recognitionは、視覚芸術における物体検出の開発を促進することを目的としている。 注記された2647点のアートワークのデータセットに,20120点の厳密なバウンディングボックスを設けた。 1140のアートワークと15の480のアノテーションを含むテストセットは、課題評価のためにプライベートに保持される。
• 参考スコア（独自算出の注目度）: 20.33359041243155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Odeuropa Challenge on Olfactory Object Recognition aims to foster the development of object detection in the visual arts and to promote an olfactory perspective on digital heritage. Object detection in historical artworks is particularly challenging due to varying styles and artistic periods. Moreover, the task is complicated due to the particularity and historical variance of predefined target objects, which exhibit a large intra-class variance, and the long tail distribution of the dataset labels, with some objects having only very few training examples. These challenges should encourage participants to create innovative approaches using domain adaptation or few-shot learning. We provide a dataset of 2647 artworks annotated with 20 120 tightly fit bounding boxes that are split into a training and validation set (public). A test set containing 1140 artworks and 15 480 annotations is kept private for the challenge evaluation.
• Abstract（参考訳）: Odeuropa Challenge on Olfactory Object Recognitionは、視覚芸術における物体検出の発展を促進し、デジタル遺産に対する嗅覚的視点を促進することを目的としている。 歴史的美術品における物体検出は、様々な様式や芸術時代のために特に困難である。 さらに,事前定義された対象オブジェクトの特異性や履歴のばらつきによって,クラス内分散が大きく,データセットラベルの長い尾の分布が複雑であり,トレーニング例が少ないものもある。 これらの課題は、参加者がドメイン適応や少人数の学習を使って革新的なアプローチを作るよう促すだろう。 トレーニングと検証セット(パブリック)に分割した,20120個の厳密な拘束ボックスを備えた2647のアートワークのデータセットを提供する。 1140のアートワークと15の480のアノテーションを含むテストセットは、課題評価のためにプライベートに保持される。

関連論文リスト

• Exploiting Unlabeled Data with Multiple Expert Teachers for Open Vocabulary Aerial Object Detection and Its Orientation Adaptation [58.37525311718006]
  OVAD(Open-vocabulary Aero Object Detection)という,航空物体検出問題の新しい定式化を行った。 本稿では,CLIP-activated students-Teacher DetectionフレームワークであるCastDetを提案する。 本フレームワークは,ロバストなローカライズ教師といくつかのボックス選択戦略を統合し,新しいオブジェクトの高品質な提案を生成する。
  論文  参考訳（メタデータ） (2024-11-04T12:59:13Z)
• Unlocking Comics: The AI4VA Dataset for Visual Understanding [62.345344799258804]
  本稿では,1950年代のフレンチ・ベルジアン漫画に,深度推定,セマンティックセグメンテーション,サリエンシ検出,キャラクタ識別などのタスクを注記した新しいデータセットを提案する。 2つの異なる一貫したスタイルで構成され、自然画像から得られたオブジェクトの概念とラベルを取り入れている。 このような多様な情報を含むことで、このデータセットは計算の創造性を約束するだけでなく、アートのデジタル化やストーリーテリングの革新のための道も提供します。
  論文  参考訳（メタデータ） (2024-10-27T14:27:05Z)
• V3Det Challenge 2024 on Vast Vocabulary and Open Vocabulary Object Detection: Methods and Results [142.5704093410454]
  V3Det Challenge 2024は、オブジェクト検出研究の境界を推し進めることを目的としている。 Vast Vocabulary Object DetectionとOpen Vocabulary Object Detectionの2つのトラックで構成されている。 我々は,広い語彙とオープン語彙のオブジェクト検出において,今後の研究の方向性を刺激することを目指している。
  論文  参考訳（メタデータ） (2024-06-17T16:58:51Z)
• NICE: CVPR 2023 Challenge on Zero-shot Image Captioning [149.28330263581012]
  NICEプロジェクトは、堅牢な画像キャプションモデルを開発するためにコンピュータビジョンコミュニティに挑戦するために設計されている。 レポートには、新たに提案されたNICEデータセット、評価方法、課題結果、トップレベルのエントリの技術的な詳細などが含まれている。
  論文  参考訳（メタデータ） (2023-09-05T05:32:19Z)
• Poses of People in Art: A Data Set for Human Pose Estimation in Digital Art History [0.6345523830122167]
  芸術における人間のポーズを推定するための,最初のオープンライセンスデータセットを紹介する。 美術作品群は、22の美術史的描写様式の2,454点からなる。 10,749人の人物は、最大で17個のキーポイントでラベル付けされた画像1枚につき最大4つの長方形の境界ボックスで正確に囲まれている。
  論文  参考訳（メタデータ） (2023-01-12T16:23:58Z)
• 3rd Continual Learning Workshop Challenge on Egocentric Category and Instance Level Object Understanding [20.649762891903602]
  本稿では,CVPR 2022の第3回コンピュータビジョン学習ワークショップ(CLVision)における課題のアイデア,設計選択,ルール,結果について要約する。 このコンペティションの焦点は、複雑な連続物体検出タスクであり、分類タスクと比較して、文学においてまだ過小評価されている。
  論文  参考訳（メタデータ） (2022-12-13T11:51:03Z)
• DEArt: Dataset of European Art [0.17188280334580194]
  我々は,第2世紀から第8世紀にかけての絵画の参照を目的としたオブジェクト検出とポーズ分類データセットであるDEArtを提案する。 15,000以上の画像が含まれており、約80%の非イコニックで、69クラスのすべてのインスタンスを識別するバウンディングボックスのマニュアルアノテーションと、人間に似たオブジェクトを識別するボックスのポーズが12種類含まれている。 以上の結果から, 文化遺産領域のオブジェクト検出器は, 伝達学習による汎用画像の最先端モデルに匹敵する精度を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-11-02T16:05:35Z)
• Concealed Object Detection [140.98738087261887]
  隠蔽物体検出(COD)に関する最初の体系的研究を紹介します。 CODは、背景に「完全に」埋め込まれているオブジェクトを特定することを目指しています。 このタスクをより理解するために、cod10kと呼ばれる大規模なデータセットを収集します。
  論文  参考訳（メタデータ） (2021-02-20T06:49:53Z)
• Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
  本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。 画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。 画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:05:01Z)

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。

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。