Fugu-MT 論文翻訳(概要): Upright adjustment with graph convolutional networks

論文の概要: Upright adjustment with graph convolutional networks

arxiv url: http://arxiv.org/abs/2406.00263v1
Date: Sat, 1 Jun 2024 01:54:57 GMT
ステータス: 処理完了
システム内更新日: 2024-06-06 07:54:19.393716
Title: Upright adjustment with graph convolutional networks
Title（参考訳）: グラフ畳み込みネットワークによる直立調整
Authors: Raehyuk Jung, Sungmin Cho, Junseok Kwon,
Abstract要約: 本稿では,360度画像のアップライト調整のための新しい手法を提案する。我々のネットワークは、畳み込みニューラルネットワーク(CNN)とグラフ畳み込みニューラルネットワーク(GCN)の2つのモジュールから構成されている。
参考スコア（独自算出の注目度）: 21.103565022124037
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a novel method for the upright adjustment of 360 images. Our network consists of two modules, which are a convolutional neural network (CNN) and a graph convolutional network (GCN). The input 360 images is processed with the CNN for visual feature extraction, and the extracted feature map is converted into a graph that finds a spherical representation of the input. We also introduce a novel loss function to address the issue of discrete probability distributions defined on the surface of a sphere. Experimental results demonstrate that our method outperforms fully connected based methods.
Abstract（参考訳）: 本稿では,360度画像のアップライト調整のための新しい手法を提案する。我々のネットワークは、畳み込みニューラルネットワーク(CNN)とグラフ畳み込みニューラルネットワーク(GCN)の2つのモジュールから構成される。入力360画像は、視覚特徴抽出のためにCNNで処理され、抽出された特徴マップを、入力の球面表現を求めるグラフに変換する。また、球面上で定義された離散確率分布の問題に対処する新たな損失関数を導入する。実験の結果,本手法は完全連結方式よりも優れていた。

関連論文リスト

Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文参考訳（メタデータ） (2024-03-18T18:01:01Z)
GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-01-17T13:04:23Z)
Leveraging Graph Diffusion Models for Network Refinement Tasks [72.54590628084178]
本稿では,グラフ拡散に基づく新しいグラフ生成フレームワークSGDMを提案する。我々のフレームワークはグラフ拡散モデルのスケーラビリティと忠実度を向上するだけでなく、逆プロセスを利用して新しい条件付き生成タスクを実行する。
論文参考訳（メタデータ） (2023-11-29T18:02:29Z)
OSLO: On-the-Sphere Learning for Omnidirectional images and its application to 360-degree image compression [59.58879331876508]
全方向画像の表現モデルの学習について検討し、全方向画像の深層学習モデルで使用される数学的ツールを再定義するために、HEALPixの球面一様サンプリングの特性を利用することを提案する。提案したオン・ザ・スフィア・ソリューションは、等方形画像に適用された類似の学習モデルと比較して、13.7%のビットレートを節約できる圧縮ゲインを向上させる。
論文参考訳（メタデータ） (2021-07-19T22:14:30Z)
Survey of Image Based Graph Neural Networks [10.437582458089034]
入力データの30%を削減するために、まずQuickshiftアルゴリズムを用いて画像をスーパーピクセルに変換する。スーパーピクセルはその後、領域隣接グラフを生成するために使用される。グラフは最先端のグラフ畳み込みニューラルネットワークを通過して、分類スコアを取得する。
論文参考訳（メタデータ） (2021-06-11T10:56:43Z)
Mesh-based graph convolutional neural network models of processes with complex initial states [0.0]
セグメント化やクラスタリングなしに,初期構造の離散化表現を直接利用するグラフ畳み込みニューラルネットワークを提案する。提案するネットワークの性能を実証し、従来のピクセルベースの畳み込みニューラルネットワークモデルと3つの大きなデータセット上の特徴ベースの畳み込みニューラルネットワークと比較する。
論文参考訳（メタデータ） (2021-06-04T03:40:40Z)
Pose-GNN : Camera Pose Estimation System Using Graph Neural Networks [12.12580095956898]
グラフニューラルネットワーク(GNN)を用いた新しい画像ベースのローカリゼーションシステムを提案する。 resnet50 convolutional neural network (cnn)アーキテクチャは、各画像の重要な特徴を抽出するために使用される。 GNNの使用は屋内および屋外の環境のための高められた性能をもたらすことを示します。
論文参考訳（メタデータ） (2021-03-17T04:40:02Z)
Processing of incomplete images by (graph) convolutional neural networks [7.778461949427663]
欠落した値を置き換えることなく、不完全な画像からニューラルネットワークを訓練する問題について検討する。画像はまずグラフとして表現され、欠落したピクセルは完全に無視される。グラフ画像表現は空間グラフ畳み込みネットワークを用いて処理される。
論文参考訳（メタデータ） (2020-10-26T21:40:03Z)
Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文参考訳（メタデータ） (2020-10-23T14:49:02Z)
Unrolling of Deep Graph Total Variation for Image Denoising [106.93258903150702]
本稿では,従来のグラフ信号フィルタリングと深い特徴学習を併用して,競合するハイブリッド設計を提案する。解釈可能な低パスグラフフィルタを用い、最先端のDL復調方式DnCNNよりも80%少ないネットワークパラメータを用いる。
論文参考訳（メタデータ） (2020-10-21T20:04:22Z)

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。