論文の概要: Ethosight: A Reasoning-Guided Iterative Learning System for Nuanced
Perception based on Joint-Embedding & Contextual Label Affinity
- arxiv url: http://arxiv.org/abs/2307.10577v2
- Date: Fri, 21 Jul 2023 06:59:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-24 14:59:47.808782
- Title: Ethosight: A Reasoning-Guided Iterative Learning System for Nuanced
Perception based on Joint-Embedding & Contextual Label Affinity
- Title(参考訳): ethosight:ジョイントエンベディングと文脈ラベル親和性に基づくニュアンス知覚のための推論誘導反復学習システム
- Authors: Hugo Latapie, Kristinn R. Thorisson, Shan Yu, Vahagn Petrosyan,
Patrick Hammer, Pei Wang, Brandon Kynoch, Hanning Chen, Tangrui Li
- Abstract要約: 本稿では,ゼロショットコンピュータビジョンシステムであるEthosightを紹介する。
Ethosightは、ユーザの要求と関心に関するセマンティックな知識に基づいて、クリーンなスレートで開始する。
Ethosightの有効性は、健康、安全性、セキュリティなどの領域にまたがる40の複雑なユースケースで実証された。
- 参考スコア(独自算出の注目度): 8.90131632034346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional computer vision models often require extensive manual effort for
data acquisition, annotation and validation, particularly when detecting subtle
behavioral nuances or events. The difficulty in distinguishing routine
behaviors from potential risks in real-world applications, such as
differentiating routine shopping from potential shoplifting, further
complicates the process. Moreover, these models may demonstrate high false
positive rates and imprecise event detection when exposed to real-world
scenarios that differ significantly from the conditions of the training data.
To overcome these hurdles, we present Ethosight, a novel zero-shot computer
vision system. Ethosight initiates with a clean slate based on user
requirements and semantic knowledge of interest. Using localized label affinity
calculations and a reasoning-guided iterative learning loop, Ethosight infers
scene details and iteratively refines the label set. Reasoning mechanisms can
be derived from large language models like GPT4, symbolic reasoners like
OpenNARS\cite{wang2013}\cite{wang2006}, or hybrid systems.
Our evaluations demonstrate Ethosight's efficacy across 40 complex use cases,
spanning domains such as health, safety, and security. Detailed results and
case studies within the main body of this paper and an appendix underscore a
promising trajectory towards enhancing the adaptability and resilience of
computer vision models in detecting and extracting subtle and nuanced
behaviors.
- Abstract(参考訳): 従来のコンピュータビジョンモデルは、データ取得、アノテーション、検証、特に微妙な振る舞いのニュアンスやイベントを検出するために、広範囲な手作業を必要とする。
日常的な買い物と潜在的な万引きを区別するといった、現実世界のアプリケーションにおける潜在的なリスクとルーチンの振る舞いを区別することの難しさは、さらにプロセスを複雑にする。
さらに、これらのモデルは、トレーニングデータの条件と大きく異なる実世界のシナリオに露出した場合、高い偽陽性率と不正確な事象検出を示す可能性がある。
これらのハードルを克服するために,我々は新しいゼロショットコンピュータビジョンシステムであるethosightを提案する。
Ethosightは、ユーザの要求と関心に関するセマンティックな知識に基づいて、クリーンなスレートで開始する。
局所ラベル親和性計算と推論誘導反復学習ループを用いて、Ethosightはシーンの詳細を推測し、ラベルセットを反復的に洗練する。
推論メカニズムは、GPT4のような大きな言語モデル、OpenNARS\cite{wang2013}\cite{wang2006}のようなシンボリック推論モデル、ハイブリッドシステムから派生することができる。
評価の結果,健康,安全,セキュリティなどの領域にまたがる40の複雑なユースケースにおいて,ethosightの有効性が示された。
本論文の本体内における詳細な結果とケーススタディと付録は,微妙でニュアンスな動作の検出と抽出において,コンピュータビジョンモデルの適応性とレジリエンスを高めるための有望な軌道を示すものである。
関連論文リスト
- Evaluating the Effectiveness of Video Anomaly Detection in the Wild: Online Learning and Inference for Real-world Deployment [2.1374208474242815]
Video Anomaly Detection (VAD) は、監視から医療まで幅広い応用の鍵となる、ビデオストリームにおける異常な活動を特定する。
実生活環境でのVADに取り組むことは、人間の行動の動的な性質、環境の変化、ドメインシフトによって大きな課題となる。
オンライン学習は、モデルを新しい情報に継続的に適応させることによって、この問題を軽減するための潜在的戦略である。
論文 参考訳(メタデータ) (2024-04-29T14:47:32Z) - Corpus Considerations for Annotator Modeling and Scaling [9.263562546969695]
一般的に使われているユーザトークンモデルは、より複雑なモデルよりも一貫して優れています。
以上の結果から,コーパス統計とアノテータモデリング性能の関係が明らかになった。
論文 参考訳(メタデータ) (2024-04-02T22:27:24Z) - Data-efficient Large Vision Models through Sequential Autoregression [58.26179273091461]
限られたデータセットに基づいて,効率的な自己回帰に基づく視覚モデルを構築する。
このモデルは,高レベル・低レベルのセマンティック理解の両方にまたがる視覚的タスクにおいて,その習熟度をいかに達成するかを実証する。
我々の経験的評価は、モデルが様々なタスクに適応する際の機敏さを強調し、パラメータフットプリントの大幅な削減を図った。
論文 参考訳(メタデータ) (2024-02-07T13:41:53Z) - Visual Prompting Upgrades Neural Network Sparsification: A Data-Model
Perspective [67.25782152459851]
より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。
具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
論文 参考訳(メタデータ) (2023-12-03T13:50:24Z) - Pre-trained Recommender Systems: A Causal Debiasing Perspective [19.712997823535066]
本研究では,異なるドメインから抽出した汎用ユーザ・イテムインタラクションデータをトレーニングすることで,ユニバーサルインタラクションパターンをキャプチャする汎用レコメンデータを開発する。
実験により,提案モデルにより,ゼロショットと少数ショットの学習環境での推薦性能が大幅に向上する可能性が示唆された。
論文 参考訳(メタデータ) (2023-10-30T03:37:32Z) - Pre-training Contextualized World Models with In-the-wild Videos for
Reinforcement Learning [54.67880602409801]
本稿では,視覚制御タスクの学習を効率的に行うために,Wild 動画を多用した事前学習型世界モデルの課題について検討する。
本稿では、コンテキストと動的モデリングを明確に分離したContextualized World Models(ContextWM)を紹介する。
実験により,ContextWMを内蔵したWildビデオ事前学習は,モデルベース強化学習のサンプル効率を大幅に向上できることが示された。
論文 参考訳(メタデータ) (2023-05-29T14:29:12Z) - Predictive Experience Replay for Continual Visual Control and
Forecasting [62.06183102362871]
視覚力学モデリングのための新しい連続学習手法を提案し,その視覚制御と予測における有効性について検討する。
まず,タスク固有のダイナミクスをガウスの混合で学習する混合世界モデルを提案し,その上で,破滅的な忘れを克服するための新たなトレーニング戦略を提案する。
我々のモデルは,DeepMind Control と Meta-World のベンチマークにおいて,既存の連続的学習アルゴリズムと視覚的RLアルゴリズムの単純な組み合わせよりも優れている。
論文 参考訳(メタデータ) (2023-03-12T05:08:03Z) - Causal Reasoning Meets Visual Representation Learning: A Prospective
Study [117.08431221482638]
解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。
人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。
本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
論文 参考訳(メタデータ) (2022-04-26T02:22:28Z) - Generative Counterfactuals for Neural Networks via Attribute-Informed
Perturbation [51.29486247405601]
AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。
異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。
実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
論文 参考訳(メタデータ) (2021-01-18T08:37:13Z)
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。