論文の概要: Outfit Completion via Conditional Set Transformation
- arxiv url: http://arxiv.org/abs/2311.16630v1
- Date: Tue, 28 Nov 2023 09:30:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 19:10:40.603590
- Title: Outfit Completion via Conditional Set Transformation
- Title（参考訳）: 条件付き集合変換による衣装完成
- Authors: Takuma Nakamura, Yuki Saito, Ryosuke Goto
- Abstract要約: 本稿では,この課題を集合検索タスクとして定式化し,その解決のための新しい枠組みを提案する。
この提案は、ディープニューラルネットワークを用いた条件セット変換アーキテクチャと、互換性に基づく正規化手法を含む。
実データを用いた実験結果から,提案手法は,服飾完了作業の精度,条件満足度,完了結果の整合性において,既存手法よりも優れていたことが明らかとなった。
- 参考スコア（独自算出の注目度）: 10.075094678260625
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we formulate the outfit completion problem as a set retrieval
task and propose a novel framework for solving this problem. The proposal
includes a conditional set transformation architecture with deep neural
networks and a compatibility-based regularization method. The proposed method
utilizes a map with permutation-invariant for the input set and
permutation-equivariant for the condition set. This allows retrieving a set
that is compatible with the input set while reflecting the properties of the
condition set. In addition, since this structure outputs the element of the
output set in a single inference, it can achieve a scalable inference speed
with respect to the cardinality of the output set. Experimental results on real
data reveal that the proposed method outperforms existing approaches in terms
of accuracy of the outfit completion task, condition satisfaction, and
compatibility of completion results.
- Abstract（参考訳）: 本稿では,集合的検索タスクとして衣装完成問題を定式化し,この問題を解決するための新しい枠組みを提案する。
この提案は、ディープニューラルネットワークを用いた条件セット変換アーキテクチャと、互換性に基づく正規化手法を含む。
提案手法は,入力集合に置換不変な写像,条件集合に置換不変な写像を用いる。
これにより、条件セットの特性を反映しながら、入力セットと互換性のある集合を取得することができる。
さらに、この構造は単一の推論で出力集合の要素を出力するので、出力集合の濃度に関してスケーラブルな推論速度を達成することができる。
実データを用いた実験結果から,提案手法は,服飾完了作業の精度,条件満足度,完了結果の整合性において,既存の手法よりも優れていることがわかった。
関連論文リスト
- A Fixed-Point Approach to Unified Prompt-Based Counting [51.20608895374113]
本研究の目的は,ボックス,ポイント,テキストなど,さまざまなプロンプト型で示されるオブジェクトの密度マップを生成することができる包括的プロンプトベースのカウントフレームワークを確立することである。
本モデルは,クラスに依存しない顕著なデータセットに優れ,データセット間の適応タスクにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-15T12:05:44Z) - Enhancing Neural Subset Selection: Integrating Background Information into Set Representations [53.15923939406772]
対象値が入力集合とサブセットの両方に条件付けされている場合、スーパーセットのテクスティ不変な統計量を関心のサブセットに組み込むことが不可欠であることを示す。
これにより、出力値がサブセットとその対応するスーパーセットの置換に不変であることを保証する。
論文 参考訳（メタデータ） (2024-02-05T16:09:35Z) - Exploiting Inferential Structure in Neural Processes [15.058161307401864]
ニューラルネットワーク(NP)は、コンテキストセットに基づいて高速な適応を行う能力によって、魅力的である。
我々は、NPの潜伏変数にグラフィカルモデルで定義されたリッチな事前定義を与えることができるフレームワークを提供する。
論文 参考訳（メタデータ） (2023-06-27T03:01:43Z) - Range-Restricted Interpolation through Clausal Tableaux [0.0]
一階述語論理の入力からクレイグの出力へ、範囲制限とホーン特性の変動がどのように受け継がれるかを示す。
証明システムは、一階ATPに由来するクラウスアル・タドーである。
論文 参考訳（メタデータ） (2023-06-06T10:42:40Z) - Generalization Bounds for Set-to-Set Matching with Negative Sampling [2.3859169601259347]
近年,セット・ツー・セット・マッチング(set-to-set matching)という2つの要素のマッチングの問題に大きな注目を集めている。
本稿では,そのタスクにおけるモデルの振る舞いを明らかにするために,セット・ツー・セットマッチングにおける一般化誤差解析を実行することを目的とする。
論文 参考訳（メタデータ） (2023-02-25T05:05:59Z) - Conformal Prediction Sets with Limited False Positives [43.596058175459746]
提案手法は,有界な解数を持つ予測候補の正確なセットを出力することを目的として,多ラベル共形予測の新しい手法を開発する。
本稿では、自然言語処理、コンピュータビジョン、計算化学における様々な分類タスクにおけるこのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2022-02-15T18:52:33Z) - Mini-Batch Consistent Slot Set Encoder for Scalable Set Encoding [50.61114177411961]
大規模のミニバッチセットエンコーディングに必要な、Mini-Batch Consistencyと呼ばれる新しいプロパティを紹介します。
本稿では,設定要素に対してミニバッチ処理が可能で,より多くのデータが到着するにつれて,セット表現を更新できる,スケーラブルで効率的なセット符号化機構を提案する。
論文 参考訳（メタデータ） (2021-03-02T10:10:41Z) - Automated Concatenation of Embeddings for Structured Prediction [75.44925576268052]
本稿では, 埋め込みの自動結合(ACE)を提案し, 構造予測タスクにおける埋め込みのより優れた結合を見つけるプロセスを自動化する。
我々は、強化学習の戦略に従い、制御器のパラメータを最適化し、タスクモデルの精度に基づいて報酬を計算する。
論文 参考訳（メタデータ） (2020-10-10T14:03:20Z) - Spatially Adaptive Inference with Stochastic Feature Sampling and
Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。
次に、効率的な手順で特徴写像を密に再構築する。
提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文 参考訳（メタデータ） (2020-03-19T15:36:31Z) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳（メタデータ） (2020-01-30T01:52:07Z)
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。