論文の概要: The Robust Semantic Segmentation UNCV2023 Challenge Results

• arxiv url: http://arxiv.org/abs/2309.15478v1
• Date: Wed, 27 Sep 2023 08:20:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 14:56:39.582218
• Title: The Robust Semantic Segmentation UNCV2023 Challenge Results
• Title（参考訳）: ロバストな意味セグメンテーションuncv2023チャレンジ結果
• Authors: Xuanlong Yu, Yi Zuo, Zitao Wang, Xiaowen Zhang, Jiaxuan Zhao, Yuting Yang, Licheng Jiao, Rui Peng, Xinyi Wang, Junpei Zhang, Kexin Zhang, Fang Liu, Roberto Alcover-Couso, Juan C. SanMiguel, Marcos Escudero-Vi\~nolo, Hanlin Tian, Kenta Matsui, Tianhao Wang, Fahmy Adan, Zhitong Gao, Xuming He, Quentin Bouniot, Hossein Moghaddam, Shyam Nandan Rai, Fabio Cermelli, Carlo Masone, Andrea Pilzer, Elisa Ricci, Andrei Bursuc, Arno Solin, Martin Trapp, Rui Li, Angela Yao, Wenlong Chen, Ivor Simpson, Neill D. F. Campbell, Gianni Franchi
• Abstract要約: 本稿では,ICCV 2023で実施されたMUAD不確実性定量化問題に対処するために用いられる勝利解について概説する。 この課題は、都市環境におけるセマンティックセグメンテーションを中心に、特に自然の敵対的なシナリオに焦点を当てた。 本報告では, 最先端の不確実性定量化手法からインスピレーションを得た19件の論文を提示する。
• 参考スコア（独自算出の注目度）: 99.97867942388486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper outlines the winning solutions employed in addressing the MUAD uncertainty quantification challenge held at ICCV 2023. The challenge was centered around semantic segmentation in urban environments, with a particular focus on natural adversarial scenarios. The report presents the results of 19 submitted entries, with numerous techniques drawing inspiration from cutting-edge uncertainty quantification methodologies presented at prominent conferences in the fields of computer vision and machine learning and journals over the past few years. Within this document, the challenge is introduced, shedding light on its purpose and objectives, which primarily revolved around enhancing the robustness of semantic segmentation in urban scenes under varying natural adversarial conditions. The report then delves into the top-performing solutions. Moreover, the document aims to provide a comprehensive overview of the diverse solutions deployed by all participants. By doing so, it seeks to offer readers a deeper insight into the array of strategies that can be leveraged to effectively handle the inherent uncertainties associated with autonomous driving and semantic segmentation, especially within urban environments.
• Abstract（参考訳）: 本稿では,iccv 2023で開催されているmuad不確実性定量化課題の解法について概説する。 この課題は、都市環境におけるセマンティックセグメンテーションを中心に、特に自然の敵対的なシナリオに焦点を当てた。 本報告では,過去数年間のコンピュータビジョン,機械学習,ジャーナルの分野において,最先端の不確実性定量化手法から着想を得た19件の論文を提示する。 本論文では, 都市環境における意味的セグメンテーションの堅牢性向上を主眼として, 目的と目的に光を当て, 課題を提起する。 報告書はその後、トップパフォーマンスのソリューションに踏み込んだ。 さらに、この文書は、すべての参加者が展開する多様なソリューションの包括的概要を提供することを目的としている。 そうすることで、特に都市環境において、自動運転とセマンティックセグメンテーションに関連する固有の不確かさを効果的に扱うために活用できる戦略について、読者に深い洞察を提供することを目指している。

関連論文リスト

• RescueADI: Adaptive Disaster Interpretation in Remote Sensing Images with Autonomous Agents [11.08910129925713]
  本稿では,複数の相関解釈タスクを計画・実行することで要求を解決する新しいタスクである適応的災害解釈(ADI)を紹介する。 我々はRescueADIという新しいデータセットを提案する。このデータセットには高解像度RSIと3つの接続された側面(計画、知覚、認識)のアノテーションが含まれている。 大規模言語モデル(LLM)によって駆動される自律エージェントを用いたタスク計画と実行のための新しい災害解釈手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T09:36:52Z)
• Solving the Challenge Set without Solving the Task: On Winograd Schemas as a Test of Pronominal Coreference Resolution [21.19369044026899]
  我々は,Winograd Challenge セットにおける言語モデル (LM) の強い性能にもかかわらず,OntoNotes で実証されたある種の固有曖昧性を解決する上で,これらのモデリング手法は比較的貧弱であることを示す。 提案手法は,各データセット間での固有コアの解法において,総合的に高精度な教師付きタスク固有システムを用いて,誘導型LMをアンサンブルする方法である。
  論文  参考訳（メタデータ） (2024-10-12T09:04:53Z)
• The BRAVO Semantic Segmentation Challenge Results in UNCV2024 [68.20197719071436]
  我々は,(1)モデルが様々な摂動にさらされたときの精度とキャリブレーションを反映したセマンティック信頼性,(2)トレーニング中に未知のオブジェクトクラスを検出する能力を測定するOOD信頼性の2つのカテゴリを定義した。 その結果、大規模事前学習と最小限のアーキテクチャ設計が、堅牢で信頼性の高いセマンティックセグメンテーションモデルを開発する上で重要であるという興味深い洞察が浮かび上がっている。
  論文  参考訳（メタデータ） (2024-09-23T15:17:30Z)
• The Third Monocular Depth Estimation Challenge [134.16634233789776]
  本稿では,モノクロ深度推定チャレンジ(MDEC)の第3版の結果について述べる。 この課題は、自然と屋内の複雑なシーンを特徴とする、挑戦的なSynS-Patchesデータセットへのゼロショットの一般化に焦点を当てている。 挑戦者は17.51%から23.72%の3D Fスコアのパフォーマンスを大幅に改善した。
  論文  参考訳（メタデータ） (2024-04-25T17:59:59Z)
• Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
  オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。 本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。 データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-24T19:32:39Z)
• Unmasking the Shadows of AI: Investigating Deceptive Capabilities in Large Language Models [0.0]
  この研究は、大規模言語モデル(LLM)の騙し行動に集中して、AIの騙しの複雑な風景を批判的にナビゲートする。 私の目標は、この問題を解明し、それを取り巻く談話を調べ、その分類と混乱を掘り下げることです。
  論文  参考訳（メタデータ） (2024-02-07T00:21:46Z)
• Progressive Feature Self-reinforcement for Weakly Supervised Semantic Segmentation [55.69128107473125]
  Weakly Supervised Semantic (WSSS) のイメージレベルラベルを用いたシングルステージアプローチを提案する。 我々は、画像内容が決定論的領域(例えば、自信ある前景と背景)と不確実領域(例えば、オブジェクト境界と誤分類されたカテゴリ)に適応的に分割して、別々の処理を行う。 そこで我々は,これらの自信のある領域と同一のクラスラベルを持つ拡張画像とのセマンティック一貫性を制約する補完的な自己強調手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T13:21:52Z)
• Semi-supervised multimodal coreference resolution in image narrations [44.66334603518387]
  マルチモーダル・コア参照分解能について検討し,特に記述テキストと画像のペア化について検討した。 これは、微粒な画像テキストアライメント、物語言語に固有のあいまいさ、大きな注釈付きトレーニングセットの有効性など、大きな課題を生じさせる。 画像ナレーションペアを用いたデータ効率のよい半教師付き手法を提案する。
  論文  参考訳（メタデータ） (2023-10-20T16:10:14Z)
• EFaR 2023: Efficient Face Recognition Competition [51.77649060180531]
  バイオメトリックス国際会議(IJCB 2023)における効率的な顔認識コンペティション(EFaR)の概要について述べる。 この競技会は6つの異なるチームから17の応募を受けた。 提案したソリューションは、様々なベンチマークで達成された検証精度の重み付けスコアと、浮動小数点演算数とモデルサイズによって与えられるデプロイ可能性に基づいてランク付けされる。
  論文  参考訳（メタデータ） (2023-08-08T09:58:22Z)
• Multimodal Feature Extraction and Fusion for Emotional Reaction Intensity Estimation and Expression Classification in Videos with Transformers [47.16005553291036]
  我々は,野生(ABAW)2023における2つの影響行動分析のサブチャレンジに対して,その解決策を提示する。 表現分類チャレンジでは,分類の課題を効果的に処理する合理化アプローチを提案する。 これらの特徴を研究、分析、組み合わせることで、マルチモーダルコンテキストにおける感情予測のためのモデルの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-03-16T09:03:17Z)

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。