論文の概要: Designing a Hybrid Neural System to Learn Real-world Crack Segmentation from Fractal-based Simulation

• arxiv url: http://arxiv.org/abs/2309.09637v1
• Date: Mon, 18 Sep 2023 10:13:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 14:11:45.489210
• Title: Designing a Hybrid Neural System to Learn Real-world Crack Segmentation from Fractal-based Simulation
• Title（参考訳）: フラクタルシミュレーションによる実世界のひび割れセグメンテーション学習のためのハイブリッドニューラルネットワークの設計
• Authors: Achref Jaziri, Martin Mundt, Andres Fernandez Rodriguez, Visvanathan Ramesh
• Abstract要約: フラクタルとそれに対応するフルアノテートクラックデータセットに基づく高忠実度クラックグラフィーシミュレータを提案する。 次に、シミュレーションから一般化可能な表現を学習するシステムで後者を補完する。 最後に、シミュレーションを実際のギャップにブリッジすることで、どのように異なる設計選択が共生的であるかを実証的に強調し、最終的に、我々の導入したシステムが現実世界のひび割れのセグメンテーションを効果的に処理できることを実証する。
• 参考スコア（独自算出の注目度）: 7.0156884721768575
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Identification of cracks is essential to assess the structural integrity of concrete infrastructure. However, robust crack segmentation remains a challenging task for computer vision systems due to the diverse appearance of concrete surfaces, variable lighting and weather conditions, and the overlapping of different defects. In particular recent data-driven methods struggle with the limited availability of data, the fine-grained and time-consuming nature of crack annotation, and face subsequent difficulty in generalizing to out-of-distribution samples. In this work, we move past these challenges in a two-fold way. We introduce a high-fidelity crack graphics simulator based on fractals and a corresponding fully-annotated crack dataset. We then complement the latter with a system that learns generalizable representations from simulation, by leveraging both a pointwise mutual information estimate along with adaptive instance normalization as inductive biases. Finally, we empirically highlight how different design choices are symbiotic in bridging the simulation to real gap, and ultimately demonstrate that our introduced system can effectively handle real-world crack segmentation.
• Abstract（参考訳）: コンクリート構造物の構造的整合性を評価するためにはひび割れの同定が不可欠である。 しかし,コンクリート表面の外観の多様性,照明や気象条件の変動,欠陥の重なりなどにより,コンピュータビジョンシステムでは頑健なひび割れ分割が課題となっている。 特に最近のデータ駆動型メソッドは、データの可用性の制限、クラックアノテーションの細かな粒度と時間を要する性質、そしてそれに続く分散サンプルへの一般化の困難に直面している。 この作業では、これらの課題を2倍の方法で乗り越えます。 フラクタルとそれに対応するフルアノテートクラックデータセットに基づく高忠実度クラックグラフィーシミュレータを提案する。 次に,シミュレーションから一般化表現を学習するシステムで後者を補完し,ポイントワイズ相互情報推定と適応インスタンス正規化を帰納バイアスとして活用する。 最後に,シミュレーションを現実のギャップに橋渡しする上で,設計選択の違いが共生的であることを実証し,最終的に導入したシステムが実世界のひび割れセグメンテーションを効果的に処理できることを実証する。

関連論文リスト

• A Comprehensive Augmentation Framework for Anomaly Detection [1.90365714903665]
  本稿では,再構成ネットワークのトレーニングに寄与するシミュレーション異常の重要な特徴を解析する。 我々は、このフレームワークを再構築ベースのアプローチと統合し、同時に分割トレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:00:35Z)
• Towards Understanding and Mitigating Dimensional Collapse in Heterogeneous Federated Learning [114.32726625370258]
  フェデレートラーニングは、プライバシを考慮したデータ共有を必要とせずに、さまざまなクライアントでモデルをトレーニングすることを目的としている。 本研究では,データの不均一性がグローバル集約モデルの表現に与える影響について検討する。 フェデレーション学習における次元的崩壊を効果的に緩和する新しい手法である sc FedDecorr を提案する。
  論文  参考訳（メタデータ） (2022-10-01T09:04:17Z)
• Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets [83.749895930242]
  そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。 両手法の有効性とロバスト性を実証的に示す。 我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
  論文  参考訳（メタデータ） (2022-05-12T17:03:57Z)
• RISP: Rendering-Invariant State Predictor with Differentiable Simulation and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
  既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。 本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。 提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
  論文  参考訳（メタデータ） (2022-05-11T17:59:51Z)
• SCNet: A Generalized Attention-based Model for Crack Fault Segmentation [0.0]
  異常検出と局所化は、複数のアプリケーションを持つ重要な視覚問題である。 大規模なインフラにおける定期的な健康モニタリングと故障(異常)検出は、視覚に基づく異常セグメンテーションの応用分野である。 き裂は臨界かつ頻繁な表面断層であり、極端にジグザグ型の細い細長い領域として現れる。 そこで本研究では,様々なシナリオにまたがるセグメンテーション性能の一般化と改善という,自動クラックセグメンテーション問題のオープンな側面を,異なるモデル化によって解決する。
  論文  参考訳（メタデータ） (2021-12-02T17:16:18Z)
• A Procedural World Generation Framework for Systematic Evaluation of Continual Learning [2.599882743586164]
  都会のシーンのフラグメントのみを描画するコンピュータグラフィックスシミュレーションフレームワークを提案する。 中心となるのは、適応可能な生成因子を持つモジュラーパラメトリック生成モデルである。
  論文  参考訳（メタデータ） (2021-06-04T16:31:43Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Generative Partial Visual-Tactile Fused Object Clustering [81.17645983141773]
  オブジェクトクラスタリングのためのGenerative Partial Visual-Tactile Fused(GPVTF)フレームワークを提案する。 条件付きクロスモーダルクラスタリング生成逆ネットワークを開発し、一方のモダリティ条件を他方のモダリティ上で合成する。 最後に、擬似ラベルに基づく2つのKL分割損失を用いて、対応するモダリティ固有エンコーダを更新する。
  論文  参考訳（メタデータ） (2020-12-28T02:37:03Z)
• Complex Sequential Data Analysis: A Systematic Literature Review of Existing Algorithms [0.9649642656207869]
  本稿では、不規則なパターンを持つデータセットの分析にディープラーニングフレームワークを使うことに対する過去のアプローチについてレビューする。 従来のディープラーニング手法は、これらのデータセットを解析しようとすると、パフォーマンスが悪く、あるいは失敗する。 ディープラーニングフレームワークの性能は,平均絶対誤差とルート平均二乗誤差精度の指標を用いて評価された。
  論文  参考訳（メタデータ） (2020-07-22T17:53:00Z)
• Learning perturbation sets for robust machine learning [97.6757418136662]
  我々は、潜在空間の制約領域上に設定された摂動を定義する条件生成器を用いる。 学習した摂動集合の質を定量的かつ質的に測定する。 我々は、学習した摂動集合を利用して、敵画像の破損や逆光の変動に対して経験的かつ確実に堅牢なモデルを訓練する。
  論文  参考訳（メタデータ） (2020-07-16T16:39:54Z)
• Using Deep Learning to Explore Local Physical Similarity for Global-scale Bridging in Thermal-hydraulic Simulation [4.350727579753697]
  現在の熱水和コードでは、実際の植物条件をシミュレートする際の信頼性が制限されている。 本稿では,これらの課題を克服するためのデータ駆動型特徴類似度測定FFSMを提案する。 深層学習は局所的な物理的特徴とシミュレーションエラーの関係の構築と探索に応用される。
  論文  参考訳（メタデータ） (2020-01-06T20:14:46Z)

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。