Fugu-MT 論文翻訳(概要): TAA-GCN: A Temporally Aware Adaptive Graph Convolutional Network for Age Estimation

論文の概要: TAA-GCN: A Temporally Aware Adaptive Graph Convolutional Network for Age Estimation

arxiv url: http://arxiv.org/abs/2305.08779v1
Date: Mon, 15 May 2023 16:38:55 GMT
ステータス: 処理完了
システム内更新日: 2023-05-16 13:48:40.706728
Title: TAA-GCN: A Temporally Aware Adaptive Graph Convolutional Network for Age Estimation
Title（参考訳）: TAA-GCN: 年齢推定のための適応型グラフ畳み込みネットワーク
Authors: Matthew Korban, Peter Young, Scott T. Acton
Abstract要約: 本稿では,TAA-GCN (Temporally-Aware Adaptive Graph Convolutional Network) を用いた新しい年齢推定アルゴリズムを提案する。グラフに基づく新しい表現を用いて、TAA-GCNは、骨格、姿勢、衣服、顔情報を使用して、様々な年齢に関連する特徴セットを強化する。 TAA-GCNは4つの公開ベンチマークで最先端の手法より優れている。
参考スコア（独自算出の注目度）: 15.104201344012347
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes a novel age estimation algorithm, the Temporally-Aware Adaptive Graph Convolutional Network (TAA-GCN). Using a new representation based on graphs, the TAA-GCN utilizes skeletal, posture, clothing, and facial information to enrich the feature set associated with various ages. Such a novel graph representation has several advantages: First, reduced sensitivity to facial expression and other appearance variances; Second, robustness to partial occlusion and non-frontal-planar viewpoint, which is commonplace in real-world applications such as video surveillance. The TAA-GCN employs two novel components, (1) the Temporal Memory Module (TMM) to compute temporal dependencies in age; (2) Adaptive Graph Convolutional Layer (AGCL) to refine the graphs and accommodate the variance in appearance. The TAA-GCN outperforms the state-of-the-art methods on four public benchmarks, UTKFace, MORPHII, CACD, and FG-NET. Moreover, the TAA-GCN showed reliability in different camera viewpoints and reduced quality images.
Abstract（参考訳）: 本稿では,新しい年齢推定アルゴリズムtaa-gcn(timely-aware adaptive graph convolutional network)を提案する。グラフに基づく新しい表現を用いて、TAA-GCNは、骨格、姿勢、衣服、顔情報を使用して、様々な年齢に関連する特徴セットを強化する。このような新しいグラフ表現にはいくつかの利点がある: 第一に、表情やその他の外観の差異に対する感受性の低下;第二に、部分閉塞に対する頑健さと、ビデオ監視のような現実世界の応用において一般的な非正面平面的視点。 TAA-GCNは, 時間的依存性を計算するためのTMM (Temporal Memory Module) と, グラフの洗練と外観のばらつきに対応するためのAdaptive Graph Convolutional Layer (AGCL) の2つの新しいコンポーネントを採用している。 TAA-GCNは、UTKFace、MORPHII、CACD、FG-NETの4つの公開ベンチマークで最先端の手法よりも優れている。さらに、TAA-GCNは異なるカメラ視点で信頼性を示し、画質が低下した。

関連論文リスト

C2P-GCN: Cell-to-Patch Graph Convolutional Network for Colorectal Cancer Grading [2.570529808612886]
グラフベースの学習アプローチは、大腸癌組織像のグレード化にますます好まれている。最近のグラフベースの手法では、スライドイメージ全体を小または中規模のパッチに分割し、各パッチにグラフを構築してトレーニングに使用する。この方法は、WSI全体に存在する組織構造情報をキャプチャできず、画像パッチの膨大なデータセットからのトレーニングに依存します。本稿では,2段階グラフ生成に基づく新しいセル・ツー・パッチグラフ畳み込みネットワーク(C2P-GCN)を提案する。
論文参考訳（メタデータ） (2024-03-08T00:15:43Z)
Leveraging Graph Diffusion Models for Network Refinement Tasks [72.54590628084178]
本稿では,グラフ拡散に基づく新しいグラフ生成フレームワークSGDMを提案する。我々のフレームワークはグラフ拡散モデルのスケーラビリティと忠実度を向上するだけでなく、逆プロセスを利用して新しい条件付き生成タスクを実行する。
論文参考訳（メタデータ） (2023-11-29T18:02:29Z)
SimTeG: A Frustratingly Simple Approach Improves Textual Graph Learning [131.04781590452308]
テキストグラフ学習におけるフラストレーションに富んだアプローチであるSimTeGを提案する。まず、下流タスクで予め訓練されたLM上で、教師付きパラメータ効率の微調整(PEFT)を行う。次に、微調整されたLMの最後の隠れ状態を用いてノード埋め込みを生成する。
論文参考訳（メタデータ） (2023-08-03T07:00:04Z)
Masked Contrastive Graph Representation Learning for Age Estimation [44.96502862249276]
本稿では,画像冗長性情報を扱う上で,グラフ表現学習の特性を利用する。年齢推定のためのMasked Contrastive Graph Representation Learning (MCGRL)法を提案する。実世界の顔画像データセットに対する実験結果から,提案手法が他の最先端の年齢推定手法よりも優れていることが示された。
論文参考訳（メタデータ） (2023-06-16T15:53:21Z)
Networked Time Series Imputation via Position-aware Graph Enhanced Variational Autoencoders [31.953958053709805]
我々は,変分オートエンコーダ(VAE)を利用して,ノード時系列の特徴とグラフ構造の両方に欠落する値を予測するPoGeVonという新しいモデルを設計する。実験の結果,ベースライン上でのモデルの有効性が示された。
論文参考訳（メタデータ） (2023-05-29T21:11:34Z)
Graph Transformer GANs for Graph-Constrained House Generation [223.739067413952]
本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。 GTGANは、グラフ制約のある住宅生成タスクにおいて、エンドツーエンドで効率的なグラフノード関係を学習する。
論文参考訳（メタデータ） (2023-03-14T20:35:45Z)
Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文参考訳（メタデータ） (2021-03-25T09:31:41Z)
Attention-Driven Dynamic Graph Convolutional Network for Multi-Label Image Recognition [53.17837649440601]
本稿では,各画像の特定のグラフを動的に生成するアテンション駆動型動的グラフ畳み込みネットワーク(ADD-GCN)を提案する。パブリックなマルチラベルベンチマーク実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2020-12-05T10:10:12Z)
Multi Scale Temporal Graph Networks For Skeleton-based Action Recognition [5.970574258839858]
グラフ畳み込みネットワーク(GCN)は、関連するノードの特徴を効果的に捉え、モデルの性能を向上させる。まず、時間的特徴と空間的特徴の整合性を無視し、特徴をノード単位とフレーム単位で抽出する。本稿では,行動認識のための時間グラフネットワーク(TGN)と呼ばれる新しいモデルを提案する。
論文参考訳（メタデータ） (2020-12-05T08:08:25Z)
Adaptive Graph Encoder for Attributed Graph Embedding [36.06427854846497]
分散グラフ埋め込みは、グラフトポロジとノード特徴からベクトル表現を学ぶ。本稿では,新しい属性グラフ埋め込みフレームワークであるAdaptive Graph(AGE)を提案する。 4つの公開ベンチマークデータセットを用いてノードクラスタリングとリンク予測タスクのAGEを検証する実験を行った。
論文参考訳（メタデータ） (2020-07-03T10:20:34Z)
Sequential Graph Convolutional Network for Active Learning [53.99104862192055]
逐次グラフ畳み込みネットワーク(GCN)を用いた新しいプールベースアクティブラーニングフレームワークを提案する。少数のランダムなサンプル画像がシードラベル付き例であるので、グラフのパラメータを学習してラベル付きノードと非ラベル付きノードを区別する。我々はGCNの特性を利用してラベル付けされたものと十分に異なる未ラベルの例を選択する。
論文参考訳（メタデータ） (2020-06-18T00:55:10Z)

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。