論文の概要: CorrEmbed: Evaluating Pre-trained Model Image Similarity Efficacy with a
Novel Metric
- arxiv url: http://arxiv.org/abs/2308.16126v1
- Date: Wed, 30 Aug 2023 16:23:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-31 12:43:10.302776
- Title: CorrEmbed: Evaluating Pre-trained Model Image Similarity Efficacy with a
Novel Metric
- Title（参考訳）: CorrEmbed:新しいメトリクスによる事前学習モデル画像類似性の評価
- Authors: Karl Audun Kagnes Borgersen, Morten Goodwin, Jivitesh Sharma, Tobias
Aasmoe, Mari Leonhardsen, Gro Herredsvela R{\o}rvik
- Abstract要約: 我々は、CorrEmbedという新しいアプローチを用いて、事前訓練されたコンピュータビジョンモデルから画像埋め込みの有効性を評価する。
本研究では,画像埋め込みにおける距離と人為的タグベクトルにおける距離との相関を計算した。
また,このパターンからの逸脱を同定し,異なるモデルが高レベル画像の特徴をどのように捉えているかについての洞察を与える。
- 参考スコア（独自算出の注目度）: 6.904776368895614
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detecting visually similar images is a particularly useful attribute to look
to when calculating product recommendations. Embedding similarity, which
utilizes pre-trained computer vision models to extract high-level image
features, has demonstrated remarkable efficacy in identifying images with
similar compositions. However, there is a lack of methods for evaluating the
embeddings generated by these models, as conventional loss and performance
metrics do not adequately capture their performance in image similarity search
tasks.
In this paper, we evaluate the viability of the image embeddings from
numerous pre-trained computer vision models using a novel approach named
CorrEmbed. Our approach computes the correlation between distances in image
embeddings and distances in human-generated tag vectors. We extensively
evaluate numerous pre-trained Torchvision models using this metric, revealing
an intuitive relationship of linear scaling between ImageNet1k accuracy scores
and tag-correlation scores. Importantly, our method also identifies deviations
from this pattern, providing insights into how different models capture
high-level image features.
By offering a robust performance evaluation of these pre-trained models,
CorrEmbed serves as a valuable tool for researchers and practitioners seeking
to develop effective, data-driven approaches to similar item recommendations in
fashion retail.
- Abstract（参考訳）: 視覚的に類似した画像を検出することは、製品のレコメンデーションを計算する際に特に有用である。
事前学習されたコンピュータビジョンモデルを用いて高レベルの画像特徴を抽出する埋め込み類似性は、類似した構成を持つ画像の識別において顕著な効果を示した。
しかし, 画像類似性検索タスクにおいて, 従来の損失・性能指標が十分な性能を発揮できないため, これらのモデルが生成した埋め込みを評価する手法が欠如している。
本稿では,corrembedという新しい手法を用いて,事前学習したコンピュータビジョンモデルから画像埋め込みの有効性を評価する。
画像埋め込みにおける距離と人為的タグベクトルにおける距離との相関を計算した。
我々は、この測定値を用いて、多くの事前学習Torchvisionモデルを評価し、ImageNet1k精度スコアとタグ相関スコアとの線形スケーリングの直感的関係を明らかにする。
重要な点として,本手法は,このパターンからの逸脱を識別し,異なるモデルが高レベル画像の特徴をどのように捉えているのかを洞察する。
CorrEmbedは、これらの事前訓練されたモデルの堅牢なパフォーマンス評価を提供することによって、ファッションリテールにおける同様のアイテムレコメンデーションに対する効果的なデータ駆動アプローチの開発を目指す研究者や実践者にとって、貴重なツールとなる。
関連論文リスト
- Reinforcing Pre-trained Models Using Counterfactual Images [54.26310919385808]
本稿では,言語誘導型生成対実画像を用いた分類モデル強化のための新しいフレームワークを提案する。
逆ファクト画像データセットを用いてモデルをテストすることにより、モデルの弱点を同定する。
我々は、分類モデルを微調整し強化するために、デファクトイメージを拡張データセットとして採用する。
論文 参考訳（メタデータ） (2024-06-19T08:07:14Z) - Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。
対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。
提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文 参考訳（メタデータ） (2024-03-23T22:32:06Z) - Image Similarity using An Ensemble of Context-Sensitive Models [2.9490616593440317]
ラベル付きデータに基づく画像類似性モデルの構築と比較に,より直感的なアプローチを提案する。
画像空間(R,A,B)におけるスパースサンプリングの課題と,文脈に基づくデータを用いたモデルにおけるバイアスに対処する。
実験の結果,構築したアンサンブルモデルは,最高の文脈依存モデルよりも5%高い性能を示した。
論文 参考訳（メタデータ） (2024-01-15T20:23:05Z) - Scaling Laws of Synthetic Images for Model Training ... for Now [54.43596959598466]
本研究では, 合成画像のスケーリング法則について, テクスト・ツー・イメージ・モデルの現状から検討した。
合成画像は、CLIPトレーニングの実際の画像と似ているが、やや効果の低いスケーリング傾向を示す。
論文 参考訳（メタデータ） (2023-12-07T18:59:59Z) - Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。
そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
論文 参考訳（メタデータ） (2023-03-06T11:51:28Z) - Effective Robustness against Natural Distribution Shifts for Models with
Different Training Data [113.21868839569]
効果的ロバスト性」は、分配内(ID)性能から予測できる以上の余分な分配外ロバスト性を測定する。
異なるデータに基づいてトレーニングされたモデルの有効ロバスト性を評価・比較するための新しい評価指標を提案する。
論文 参考訳（メタデータ） (2023-02-02T19:28:41Z) - Learning an Adaptation Function to Assess Image Visual Similarities [0.0]
ここでは、類推が重要となるとき、視覚的イメージ類似性を学ぶための特定のタスクに焦点を当てる。
本稿では,異なるスケールとコンテンツデータセットで事前学習した,教師付き,半教師付き,自己教師型ネットワークの比較を提案する。
The Totally Looks Like Image dataset conducted on the Totally Looks Like image highlight the interest of our method, by increase the search scores of the best model @1 by 2.25x。
論文 参考訳（メタデータ） (2022-06-03T07:15:00Z) - Evaluating Contrastive Models for Instance-based Image Retrieval [6.393147386784114]
画像検索タスクにおけるコントラストモデルの評価を行う。
対照的な手法を用いてトレーニングされたモデルは、ImageNetラベルに基づいてトレーニングされたトレーニング済みベースラインとオンパー(およびパフォーマンス)を実行する。
論文 参考訳（メタデータ） (2021-04-30T12:05:23Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳（メタデータ） (2021-04-29T17:49:48Z) - An application of a pseudo-parabolic modeling to texture image
recognition [0.0]
偏微分方程式モデルを用いたテクスチャ画像認識のための新しい手法を提案する。
擬似パラボリックなBuckley-Leverett方程式を用いて、デジタル画像表現のダイナミクスを提供し、時間とともに進化するそれらの画像から局所的な記述子を収集する。
論文 参考訳（メタデータ） (2021-02-09T18:08:42Z) - Using Wavelets to Analyze Similarities in Image-Classification Datasets [0.0]
画像分類データセットの類似性を分析するための実用的で高速な手法を開発した。
本手法では,事前学習したモデルを必要としない画像や他の数値解析ツールのウェーブレット分解を用いる。
標準データセットの類似画像は数秒で識別できることを示し、文献の代替手法に比べて大幅に高速化された。
論文 参考訳（メタデータ） (2020-02-24T13:46:28Z)
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。