Fugu-MT 論文翻訳(概要): Model Stitching and Visualization How GAN Generators can Invert Networks in Real-Time

論文の概要: Model Stitching and Visualization How GAN Generators can Invert Networks in Real-Time

arxiv url: http://arxiv.org/abs/2302.02181v2
Date: Tue, 20 Feb 2024 13:47:56 GMT
ステータス: 処理完了
システム内更新日: 2024-02-21 21:41:59.626768
Title: Model Stitching and Visualization How GAN Generators can Invert Networks in Real-Time
Title（参考訳）: gan発生器がリアルタイムにネットワークを反転させるモデルステッチングと可視化
Authors: Rudolf Herdt (1 and 2), Maximilian Schmidt (1 and 2), Daniel Otero Baguer (1 and 2), Jean Le'Clerc Arrastia (1 and 2), Peter Maass (1 and 2) ((1) University of Bremen, (2) aisencia)
Abstract要約: 本稿では,1x1畳み込みを用いたGAN生成器を用いて分類とセマンティックセグメンテーションネットワークの活性化を再構築する手法を提案する。我々はAFHQのワイルドデータセット、ImageNet1K、および染色組織サンプルの実際のデジタル病理スキャンから得られた動物の画像に対するアプローチを検証した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we propose a fast and accurate method to reconstruct activations of classification and semantic segmentation networks by stitching them with a GAN generator utilizing a 1x1 convolution. We test our approach on images of animals from the AFHQ wild dataset, ImageNet1K, and real-world digital pathology scans of stained tissue samples. Our results show comparable performance to established gradient descent methods but with a processing time that is two orders of magnitude faster, making this approach promising for practical applications.
Abstract（参考訳）: 本研究では,1x1畳み込みを用いたGAN生成器を用いて分類とセマンティックセグメンテーションネットワークの活性化を高速かつ正確に再構築する手法を提案する。筆者らはafhq wild dataset, imagenet1k,real-world digital pathology scans of stained tissue samplesの動物画像を用いて実験を行った。以上の結果から, 確立した勾配降下法と同等の性能を示すが, 処理時間は2桁高速であり, 実用的応用に有益である。

関連論文リスト

Time Step Generating: A Universal Synthesized Deepfake Image Detector [0.4488895231267077]
汎用合成画像検出器 Time Step Generating (TSG) を提案する。 TSGは、事前訓練されたモデルの再構築能力、特定のデータセット、サンプリングアルゴリズムに依存していない。我々は,提案したTSGを大規模GenImageベンチマークで検証し,精度と一般化性の両方において大幅な改善を実現した。
論文参考訳（メタデータ） (2024-11-17T09:39:50Z)
Supervised Homography Learning with Realistic Dataset Generation [60.934401870005026]
生成フェーズとトレーニングフェーズの2つのフェーズからなる反復的なフレームワークを提案する。生成段階では、ラベルのない画像対が与えられた場合、事前に推定された支配的な平面マスクとペアのホモグラフィを利用する。トレーニングフェーズでは、生成されたデータを使用して、教師付きホモグラフィネットワークをトレーニングする。
論文参考訳（メタデータ） (2023-07-28T07:03:18Z)
Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文参考訳（メタデータ） (2023-03-17T18:00:27Z)
Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文参考訳（メタデータ） (2021-04-29T17:58:35Z)
Randomized Histogram Matching: A Simple Augmentation for Unsupervised Domain Adaptation in Overhead Imagery [3.187381965457262]
ランダム化ヒストグラムマッチング(RHM)と呼ばれる高速リアルタイム非教師付きトレーニング増強手法を提案する。 RHMは、最先端の教師なしドメイン適応アプローチと比較して、一貫して類似または優れた性能が得られる。 RHMはまた、オーバーヘッド画像に広く使われている他の可分に単純なアプローチよりも大幅に優れたパフォーマンスを提供する。
論文参考訳（メタデータ） (2021-04-28T21:59:54Z)
Time Series Imaging for Link Layer Anomaly Classification in Wireless Networks [0.6015898117103068]
本稿では,無線異常検出のための画像ベース表現手法の初回解析を行う。本稿では,正確な異常検出を可能にする新しいディープラーニングアーキテクチャを提案する。本研究では,時系列信号から画像への変換による分類性能の向上の可能性を示す。
論文参考訳（メタデータ） (2021-04-02T10:23:06Z)
Guiding GANs: How to control non-conditional pre-trained GANs for conditional image generation [69.10717733870575]
本稿では,汎用非条件GANを条件GANとして振る舞うための新しい方法を提案する。提案手法は,非条件GANのジェネレータネットワークに供給される高次元ランダム入力を生成するために,エンコーダネットワークを混合するものである。
論文参考訳（メタデータ） (2021-01-04T14:03:32Z)
Encoding large scale cosmological structure with Generative Adversarial Networks [0.0]
我々は、予測モデルを構築するための第一歩として、訓練されたGANを使用して単純なオートエンコーダ(AE)を構築します。 GANとAEはどちらも、2Dと3Dという2種類のNボディシミュレーションから発行された画像に基づいて訓練されている。 GANはトレーニングした画像と統計的に一致した新しい画像を生成することに成功した。
論文参考訳（メタデータ） (2020-11-10T17:11:14Z)
Temporal Attention-Augmented Graph Convolutional Network for Efficient Skeleton-Based Human Action Recognition [97.14064057840089]
グラフネットワーク(GCN)はユークリッド以外のデータ構造をモデル化するのに非常に成功した。ほとんどのGCNベースのアクション認識手法は、計算量の多いディープフィードフォワードネットワークを使用して、全てのスケルトンをアクションで処理する。本稿では,骨格に基づく行動認識の効率を高めるための時間的アテンションモジュール(TAM)を提案する。
論文参考訳（メタデータ） (2020-10-23T08:01:55Z)
Large-scale spatiotemporal photonic reservoir computer for image classification [0.8701566919381222]
本稿では,手書き桁の分類を行うために,フィードフォワードとリカレントニューラルネットワークを実装するためのスケーラブルなフォトニックアーキテクチャを提案する。実験では、既製の光学部品と電子部品を利用して、現在16,384ノードのネットワークサイズを実現している。
論文参考訳（メタデータ） (2020-04-06T10:22:31Z)
Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
論文参考訳（メタデータ） (2020-03-02T17:49:32Z)

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。