Fugu-MT 論文翻訳(概要): Extremal Domain Translation with Neural Optimal Transport

論文の概要: Extremal Domain Translation with Neural Optimal Transport

arxiv url: http://arxiv.org/abs/2301.12874v1
Date: Mon, 30 Jan 2023 13:28:23 GMT
ステータス: 処理完了
システム内更新日: 2023-01-31 14:41:34.237001
Title: Extremal Domain Translation with Neural Optimal Transport
Title（参考訳）: 神経最適輸送による極値領域翻訳
Authors: Milena Gazdieva, Alexander Korotin, Daniil Selikhanovych, Evgeny Burnaev
Abstract要約: 本稿では,部分 OT マップの極限として ET マップを近似するスケーラブルなアルゴリズムを提案する。提案アルゴリズムは,おもちゃの例や未完成画像から画像への翻訳タスクで検証する。
参考スコア（独自算出の注目度）: 75.30837028519102
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose the extremal transport (ET) which is a mathematical formalization of the theoretically best possible unpaired translation between a pair of domains w.r.t. the given similarity function. Inspired by the recent advances in neural optimal transport (OT), we propose a scalable algorithm to approximate ET maps as a limit of partial OT maps. We test our algorithm on toy examples and on the unpaired image-to-image translation task.
Abstract（参考訳）: 本稿では、与えられた類似性関数の対であるドメインw.r.t.の間の理論的に最良の未ペア翻訳の数学的形式化である極端輸送(ET)を提案する。近年のニューラル・オプティカル・トランスポート(OT)の進歩に触発されて,部分的なOTマップの限界としてETマップを近似するスケーラブルなアルゴリズムを提案する。おもちゃの例や画像から画像への変換タスクでアルゴリズムをテストする。

関連論文リスト

Optimal Image Transport on Sparse Dictionaries [2.7855886538423182]
Sparse Representation (SR) とOptimal Transport (OT) を利用して、スパース辞書上の新しい最適な画像転送アルゴリズムを導出する。画像色変換や芸術的スタイル変換など,画像から画像への変換作業における多目的性や多くの利点を実証し、写真リアルな変換効果を示す。
論文参考訳（メタデータ） (2023-11-03T15:37:01Z)
Image-to-Image Translation for Autonomous Driving from Coarsely-Aligned Image Pairs [57.33431586417377]
自動運転車は悪天候に対処して安全に運転できなければならない。本稿では,センサ入力を悪条件で捕捉した入力を良質な入力に変換するという考え方について検討する。我々は、粗い整列学習方式により、画像翻訳の質が向上し、下流タスクが改善されていることを示す。
論文参考訳（メタデータ） (2022-09-23T16:03:18Z)
Neural Style Transfer and Unpaired Image-to-Image Translation to deal with the Domain Shift Problem on Spheroid Segmentation [0.0]
ドメインシフト(Domain shift)は、機械学習モデルの一般化問題であり、トレーニングセットのデータ分散が、デプロイ時にモデルが直面するデータ分散とは異なるときに発生する。これは、実験条件、機器、撮影設定のばらつきによる生体画像のセグメンテーションの文脈で一般的である。 IoUを97%以上達成した4つのディープラーニングセグメンテーションモデルによる球面分割の文脈における領域シフト問題について,トレーニング分布に追従した画像を用いて検証した結果,異なる条件下で撮影された画像に適用した場合,84%まで性能が低下した。
論文参考訳（メタデータ） (2021-12-16T17:34:45Z)
Generative Modeling with Optimal Transport Maps [83.59805931374197]
OT(Optimal Transport)は、大規模な生成モデリングタスクのための強力なツールとなっている。 OTマップ自体が生成モデルとして利用でき、同等の性能が得られることを示す。
論文参考訳（メタデータ） (2021-10-06T18:17:02Z)
Translating Images into Maps [43.81207458783278]
本研究では,トランスフォーマーネットワークの新たな形態を用いて,画像やビデオから直接,世界の鳥眼ビュー(BEV)にマップできることを示す。画像中の垂直走査線と、オーバーヘッドマップ内のカメラ位置を通る線との1-1対応を仮定する。問題を翻訳として使用すると、各ピクセルの役割を解釈する際に、ネットワークは画像のコンテキストを使用することができる。
論文参考訳（メタデータ） (2021-10-03T09:52:46Z)
The Spatially-Correlative Loss for Various Image Translation Tasks [69.62228639870114]
シーン構造の一貫性を保つために、シンプルで効率的かつ効果的な新しい空間相関損失を提案します。以前の方法は、ピクセルレベルのサイクル一貫性または特徴レベルのマッチング損失を使用してこれを試みます。 I2I翻訳の3つのモードすべてにおいて,ベースラインモデルに対して,単一モーダル,マルチモーダル,さらには単一イメージ翻訳において,明確な改善が見られた。
論文参考訳（メタデータ） (2021-04-02T02:13:30Z)
Unpaired Image-to-Image Translation via Latent Energy Transport [61.62293304236371]
画像から画像への変換は、2つの視覚領域間の識別的ターゲットスタイルに変換しながら、ソースの内容を保存することを目的としている。本稿では,この課題に対して,事前訓練されたオートエンコーダの潜在空間にエネルギーベースモデル(EBM)を配置することを提案する。我々のモデルは1024$times$1024- resolution unpaired image translationに適用できる最初のモデルである。
論文参考訳（メタデータ） (2020-12-01T17:18:58Z)
Zero-Pair Image to Image Translation using Domain Conditional Normalization [138.7878582237908]
ゼロペア画像-画像変換のためのドメイン条件正規化(DCN)に基づくアプローチを提案する。本研究では,エンコーダ・デコーダ構造を持つ単一ジェネレータを用いて,領域条件正規化の異なる実装を解析し,所望の領域出力を得る。
論文参考訳（メタデータ） (2020-11-11T10:20:47Z)

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。