論文の概要: Matching Non-Identical Objects

• arxiv url: http://arxiv.org/abs/2403.08227v2
• Date: Mon, 18 Mar 2024 09:55:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 23:24:38.739625
• Title: Matching Non-Identical Objects
• Title（参考訳）: 非同一物体のマッチング
• Authors: Yusuke Marumo, Kazuhiko Kawamoto, Hiroshi Kera,
• Abstract要約: 本稿では,様々なスパース画像マッチング手法を改良した簡易な記述子の重み付け方式を提案する。 実験では、ドメインシフトを含む様々なケースにおいて、同一でないオブジェクト間のマッチングが成功した。
• 参考スコア（独自算出の注目度）: 5.2980803808373516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Not identical but similar objects are everywhere in the world. Examples include four-legged animals such as dogs and cats, cars of different models, akin flowers in various colors, and countless others. In this study, we address a novel task of matching such non-identical objects. We propose a simple weighting scheme of descriptors that enhances various sparse image matching methods, which were originally designed for matching identical objects captured from different perspectives, and achieve semantically robust matching. The experiments show successful matching between non-identical objects in various cases including domain shift. Further, we present a first evaluation of the robustness of the image matching methods under common corruptions, which is a sort of domain shift, and the proposed method improves the matching in this case as well.
• Abstract（参考訳）: 同一の物体ではなく、類似した物体が世界中に存在している。 例えば、犬や猫のような四足の動物、異なるモデルの車、さまざまな色の花、その他無数の動物がある。 本研究では,そのような非識別対象をマッチングする新しい課題について考察する。 本稿では,異なる視点から取得した同一のオブジェクトをマッチングし,意味論的にロバストなマッチングを実現するために設計された,様々なスパース画像マッチング手法を改良した記述子の単純な重み付け方式を提案する。 実験では、ドメインシフトを含む様々なケースにおいて、同一でないオブジェクト間のマッチングが成功した。 さらに、ドメインシフトの一種である共通汚職下での画像マッチング手法の堅牢性の最初の評価を行い、この場合のマッチング性も改善する。

関連論文リスト

• Interpretable Measures of Conceptual Similarity by Complexity-Constrained Descriptive Auto-Encoding [112.0878081944858]
  画像間の類似度を定量化することは、画像ベースの機械学習にとって重要な著作権問題である。 我々は,高次関係を捉えた画像間での「概念的類似性」の概念を定義し,計算することを目指している。 2つの非常に異種な画像は、その記述の早い段階で識別できるが、概念的に異種な画像は、より詳細を区別する必要がある。
  論文  参考訳（メタデータ） (2024-02-14T03:31:17Z)
• Taken by Surprise: Contrast effect for Similarity Scores [0.0]
  人間の知覚のコントラスト効果をカプセル化したアンサンブル正規化類似度尺度を提案する。 このスコアは、ペアのアンサンブルの類似性に対する2つの要素間の与えられた類似性を見つけるために、サプライズを定量化する。 我々は、ゼロ/フェーショットの分類とクラスタリングのタスクでこの測定値を評価し、通常、生のコサインの類似性と比較して10～15パーセント高い性能を示す。
  論文  参考訳（メタデータ） (2023-08-18T18:18:55Z)
• Perceive, Excavate and Purify: A Novel Object Mining Framework for Instance Segmentation [4.375012768093524]
  本稿では,新しいオブジェクトマイニングフレームワークを提案する。 まず、サブネットを知覚するセマンティクスを導入し、ボトムアップから明らかなインスタンスに属するピクセルをキャプチャする。 このメカニズムでは、事前認識されたセマンティクスは分類と位置を持つ元のインスタンスと見なされ、これらの元のインスタンスを取り巻く識別不能なオブジェクトはマイニングされる。
  論文  参考訳（メタデータ） (2023-04-18T08:47:03Z)
• Attributable Visual Similarity Learning [90.69718495533144]
  本稿では、画像間のより正確で説明可能な類似度測定のための帰属的視覚類似度学習(AVSL)フレームワークを提案する。 人間の意味的類似性認知に動機づけられた2つの画像とグラフとの類似性を表現するために,一般化された類似性学習パラダイムを提案する。 CUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、既存の深い類似性学習方法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2022-03-28T17:35:31Z)
• Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
  セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。 画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
  論文  参考訳（メタデータ） (2021-09-22T18:34:14Z)
• Category Contrast for Unsupervised Domain Adaptation in Visual Tasks [92.9990560760593]
  本稿では,視覚的 UDA タスクのインスタンス識別に先立って,セマンティックな事前情報を導入した新しいカテゴリコントラスト手法(CaCo)を提案する。 CaCoは既存のUDAメソッドを補完し、半教師付き学習や教師なしモデル適応などの他の学習設定に一般化可能である。
  論文  参考訳（メタデータ） (2021-06-05T12:51:35Z)
• Fully Convolutional Geometric Features for Category-level Object Alignment [12.741811850885309]
  本稿では,同じカテゴリの異なるオブジェクトインスタンスのポーズ登録に焦点を当てる。 提案手法は,同じカテゴリのインスタンスを正規化された標準座標フレームに変換し,計量学習を用いて完全な畳み込み幾何学的特徴を訓練する。
  論文  参考訳（メタデータ） (2021-03-08T00:31:56Z)
• Continuous Surface Embeddings [76.86259029442624]
  我々は、変形可能な対象カテゴリーにおける密接な対応を学習し、表現するタスクに焦点をあてる。 本稿では,高密度対応の新たな学習可能な画像ベース表現を提案する。 提案手法は,人間の身近なポーズ推定のための最先端手法と同等以上の性能を示すことを示す。
  論文  参考訳（メタデータ） (2020-11-24T22:52:15Z)
• Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
  本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。 両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。 RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
  論文  参考訳（メタデータ） (2020-07-23T14:00:34Z)
• On Equivariant and Invariant Learning of Object Landmark Representations [36.214069685880986]
  実例識別学習と空間識別学習を組み合わせた,シンプルで効果的な手法を開発した。 深層ネットワークが幾何学的および測光的変換に不変であるように訓練されると、その中間層から表現が出現し、物体のランドマークを高い精度で予測できることが示される。
  論文  参考訳（メタデータ） (2020-06-26T04:06:56Z)

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。