論文の概要: DETR-based Layered Clothing Segmentation and Fine-Grained Attribute Recognition

• arxiv url: http://arxiv.org/abs/2304.08107v1
• Date: Mon, 17 Apr 2023 09:34:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 15:56:06.096522
• Title: DETR-based Layered Clothing Segmentation and Fine-Grained Attribute Recognition
• Title（参考訳）: DETRに基づく層状衣服分割と微粒化属性認識
• Authors: Hao Tian, Yu Cao, P. Y. Mok
• Abstract要約: アンサンブル衣料品の細粒度属性を高精度に分別・認識するための新しい検出TR(Detection TRansformer)法を提案する。 我々は、Fashionpediaデータセット上でモデルをトレーニングし、階層化された衣服のセグメンテーションときめ細かい属性認識のタスクにおいて、SOTAモデルを超える方法を示す。
• 参考スコア（独自算出の注目度）: 10.924683447616273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clothing segmentation and fine-grained attribute recognition are challenging tasks at the crossing of computer vision and fashion, which segment the entire ensemble clothing instances as well as recognize detailed attributes of the clothing products from any input human images. Many new models have been developed for the tasks in recent years, nevertheless the segmentation accuracy is less than satisfactory in case of layered clothing or fashion products in different scales. In this paper, a new DEtection TRansformer (DETR) based method is proposed to segment and recognize fine-grained attributes of ensemble clothing instances with high accuracy. In this model, we propose a \textbf{multi-layered attention module} by aggregating features of different scales, determining the various scale components of a single instance, and merging them together. We train our model on the Fashionpedia dataset and demonstrate our method surpasses SOTA models in tasks of layered clothing segmentation and fine-grained attribute recognition.
• Abstract（参考訳）: 衣服のセグメンテーションときめ細かい属性認識は、コンピュータビジョンとファッションの交差において困難なタスクであり、アンサンブルの服のインスタンス全体をセグメンテーションし、入力された人間の画像から衣服製品の詳細な属性を認識する。 近年、多くの新しいモデルが開発されているが、セグメンテーションの精度は、異なるスケールの衣料品やファッション製品の場合、満足のいくものではない。 本稿では,アンサンブル衣料品の細粒度特性を高精度に分割認識するための新しい検出トランス(detr)方式を提案する。 本モデルでは,異なるスケールの特徴を集約し,単一インスタンスの様々なスケール成分を判定し,それらをマージすることで,‘textbf{multi-layered attention module’を提案する。 fashionpediaデータセット上でモデルをトレーニングし,層状衣料セグメンテーションと細粒度属性認識のタスクにおいて,この手法がsotaモデルを上回ることを示す。

関連論文リスト

• Garment Attribute Manipulation with Multi-level Attention [29.34962693598485]
  属性不整合表現を多段階アテンションベースアーキテクチャと統合するフレームワークであるGAMMAを提案する。 デュアルエンコーダトランスとメモリブロックを活用することで、Shopping100kやDeepFashionといった一般的なデータセットで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-09-16T11:55:45Z)
• Exploring Fine-Grained Representation and Recomposition for Cloth-Changing Person Re-Identification [78.52704557647438]
  補助的なアノテーションやデータなしに両方の制約に対処するために,新しいFIne-fine Representation and Recomposition (FIRe$2$) フレームワークを提案する。 FIRe$2$は、広く使われている5つのRe-IDベンチマークで最先端のパフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2023-08-21T12:59:48Z)
• Data Efficient Training with Imbalanced Label Sample Distribution for Fashion Detection [5.912870746288055]
  本稿では,長期データ分布を持つ多ラベル分類のためのディープニューラルネットワーク(DNN)の性能向上を目的とした,最先端の重み付き目的関数を提案する。 本実験では,ファッションアパレルのイメージに基づく属性分類を行い,新しい重み付け法に好適な性能を示した。
  論文  参考訳（メタデータ） (2023-05-07T21:25:09Z)
• Leveraging Off-the-shelf Diffusion Model for Multi-attribute Fashion Image Manipulation [27.587905673112473]
  ファッション属性編集は、無関係な領域を保存しながら、所定のファッション画像の意味的属性を変換することを目的としたタスクである。 以前の作業では、ジェネレータがターゲット属性を明示的に学習し、変換を直接実行する条件付きGANを使用していた。 画像ネットのような一般的な視覚的セマンティクスに基づいて事前訓練されたオフザシェルフ拡散モデルを利用する分類器誘導拡散について検討する。
  論文  参考訳（メタデータ） (2022-10-12T02:21:18Z)
• Fashionformer: A simple, Effective and Unified Baseline for Human Fashion Segmentation and Recognition [80.74495836502919]
  本研究では,共同ファッションセグメンテーションと属性認識に着目した。 本稿では,セグメンテーションのためのオブジェクトクエリと属性予測のための属性クエリを紹介する。 属性ストリームのために,よりきめ細かい特徴を探索する新しいマルチレイヤレンダリングモジュールを設計する。
  論文  参考訳（メタデータ） (2022-04-10T11:11:10Z)
• Arbitrary Virtual Try-On Network: Characteristics Preservation and Trade-off between Body and Clothing [85.74977256940855]
  本報告では,オールタイプの衣料品を対象としたArbitrary Virtual Try-On Network (AVTON)を提案する。 AVTONは、ターゲット服と参照者の特性を保存・交換することで、現実的な試行画像を合成することができる。 提案手法は,最先端の仮想試行法と比較して性能が向上する。
  論文  参考訳（メタデータ） (2021-11-24T08:59:56Z)
• Fine-Grained Fashion Similarity Prediction by Attribute-Specific Embedding Learning [71.74073012364326]
  ASEN(Attribute-Specific Embedding Network)を提案し、複数の属性固有の埋め込みを共同学習する。 提案したASENはグローバルブランチとローカルブランチで構成されている。 ファッション関連データセットであるFashionAI、DARN、DeepFashionの3つの実験は、ファッション類似性予測におけるASENの有効性を示している。
  論文  参考訳（メタデータ） (2021-04-06T11:26:38Z)
• Fashionpedia: Ontology, Segmentation, and an Attribute Localization Dataset [62.77342894987297]
  本稿では,インスタンス分割と局所化属性認識を共同で行う新しい属性・マスクRCNNモデルを提案する。 また、Fashionpediaで事前学習したインスタンスセグメンテーションモデルにより、ImageNetの事前学習よりも、他のファッションデータセットの転送学習性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-04-26T02:38:26Z)
• Fine-Grained Fashion Similarity Learning by Attribute-Specific Embedding Network [59.479783847922135]
  本稿では,複数の属性固有の埋め込みをエンドツーエンドで共同学習するAttribute-Specific Embedding Network (ASEN)を提案する。 ASENは関連する領域を特定し、指定された属性のガイダンスの下で必須のパターンをキャプチャすることができる。 4つのファッション関連データセットの実験は、ファッション類似性学習におけるASENの有効性を示している。
  論文  参考訳（メタデータ） (2020-02-07T14:42:26Z)
• TailorGAN: Making User-Defined Fashion Designs [28.805686791183618]
  そこで本研究では,2組のデータを使わずに,不整合特性を持つ衣服画像を合成する,新たな自己教師型モデルを提案する。 本手法は,再構築学習ステップと逆学習ステップから構成される。 このデータセットと実世界のサンプルを用いた実験により、我々の手法は最先端の手法よりもはるかに優れた結果を合成できることを示した。
  論文  参考訳（メタデータ） (2020-01-17T16:54:46Z)

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。