論文の概要: Federated Online Adaptation for Deep Stereo

• arxiv url: http://arxiv.org/abs/2405.14873v1
• Date: Thu, 23 May 2024 17:59:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 13:17:34.761916
• Title: Federated Online Adaptation for Deep Stereo
• Title（参考訳）: ディープステレオのためのフェデレーションオンライン適応
• Authors: Matteo Poggi, Fabio Tosi,
• Abstract要約: 本稿では,ディープステレオネットワークを協調的に適用するための新しいアプローチを提案する。 我々は,異なる環境にデプロイされた多数のクライアントに対して最適化プロセスを要求できる分散フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 29.960055555477116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a novel approach for adapting deep stereo networks in a collaborative manner. By building over principles of federated learning, we develop a distributed framework allowing for demanding the optimization process to a number of clients deployed in different environments. This makes it possible, for a deep stereo network running on resourced-constrained devices, to capitalize on the adaptation process carried out by other instances of the same architecture, and thus improve its accuracy in challenging environments even when it cannot carry out adaptation on its own. Experimental results show how federated adaptation performs equivalently to on-device adaptation, and even better when dealing with challenging environments.
• Abstract（参考訳）: 本稿では,ディープステレオネットワークを協調的に適用するための新しいアプローチを提案する。 連合学習の原則の上に構築することで、異なる環境にデプロイされた多数のクライアントに最適化プロセスを要求できる分散フレームワークを開発する。 これにより、リソース制約されたデバイス上で動作するディープステレオネットワークにおいて、同じアーキテクチャの他のインスタンスによって実行される適応プロセスに乗じて、独自の適応を行えなくても、挑戦環境における精度を向上させることができる。 実験結果から,フェデレーション適応はデバイス上での適応と同等に動作し,課題のある環境に対処する上でさらに優れていることが示された。

関連論文リスト

• Using Genetic Programming to Build Self-Adaptivity into Software-Defined Networks [21.081978372435184]
  自己適応ソリューションは、定期的に監視し、推論し、実行中のシステムに適応する必要があります。 本稿では,ソフトウェア定義ネットワークのデータフォワード論理における制御構造を継続的に学習し,更新する自己適応手法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T03:30:33Z)
• PointFix: Learning to Fix Domain Bias for Robust Online Stereo Adaptation [67.41325356479229]
  本稿では,PointFixと呼ばれるメタラーニングフレームワークに補助的なポイント選択型ネットワークを導入することを提案する。 簡単に言えば、我々の補助的ネットワークは、メタグラディエントを通じて局所情報を効果的にバックプロパゲートすることで、局所的変異を集中的に修正することを学ぶ。 このネットワークはモデルに依存しないため、プラグイン・アンド・プレイ方式であらゆる種類のアーキテクチャで使用することができる。
  論文  参考訳（メタデータ） (2022-07-27T07:48:29Z)
• Slimmable Domain Adaptation [112.19652651687402]
  重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。 私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-06-14T06:28:04Z)
• AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
  本稿では,AdaStereoというドメイン適応型アプローチを提案する。 我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。 提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
  論文  参考訳（メタデータ） (2021-12-09T15:10:47Z)
• Shape Adaptor: A Learnable Resizing Module [59.940372879848624]
  ニューラルネットワークのための新しいリサイズモジュール: 従来のリサイズ層上に構築されたドロップインエンハンスメントであるシェイプアダプタを提案する。 我々の実装では、追加の監督なしに形状適応器をエンドツーエンドで訓練することが可能です。 ネットワーク圧縮と伝達学習の2つの応用における形状適応器の有効性を示す。
  論文  参考訳（メタデータ） (2020-08-03T14:15:52Z)
• Continual Adaptation for Deep Stereo [52.181067640300014]
  本稿では,難易度と変化の激しい環境に対処するために,深層ステレオネットワークの継続的適応パラダイムを提案する。 我々のパラダイムでは、オンラインモデルに継続的に適応するために必要な学習信号は、右から左への画像ワープや従来のステレオアルゴリズムによって自己監督から得られる。 我々のネットワークアーキテクチャと適応アルゴリズムは、初めてのリアルタイム自己適応型ディープステレオシステムを実現する。
  論文  参考訳（メタデータ） (2020-07-10T08:15:58Z)
• Provably Efficient Model-based Policy Adaptation [22.752774605277555]
  有望なアプローチは、事前訓練されたポリシーを新しい環境に迅速に適応させることである。 この政策適応問題の既存の方法は、通常ドメインのランダム化とメタラーニングに依存している。 未確認のターゲット環境でのオンライン適応を可能にする新しいモデルベースメカニズムを提案する。
  論文  参考訳（メタデータ） (2020-06-14T23:16:20Z)
• Deep Adaptive Inference Networks for Single Image Super-Resolution [72.7304455761067]
  シングルイメージ超解像(SISR)は、ディープ畳み込みニューラルネットワーク(CNN)の展開により、近年大きく進歩している。 本稿では,深部SISR(AdaDSR)の適応型推論ネットワークを活用することで,この問題に対処する。 我々のAdaDSRは、SISRモデルをバックボーンとし、画像の特徴とリソース制約を入力として取り、ローカルネットワーク深さのマップを予測する軽量アダプタモジュールを備える。
  論文  参考訳（メタデータ） (2020-04-08T10:08:20Z)

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。