論文の概要: Color Equivariant Network

• arxiv url: http://arxiv.org/abs/2406.09588v2
• Date: Thu, 03 Oct 2024 01:48:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-04 23:30:45.100527
• Title: Color Equivariant Network
• Title（参考訳）: カラー等価ネットワーク
• Authors: Felix O'Mahony, Yulong Yang, Christine Allen-Blanchette,
• Abstract要約: 群同変畳み込みニューラルネットワークは様々な幾何学的変換のために設計されている。 畳み込みニューラルネットワークは,設計による色調や彩度の変化に等しくなる。 合成および実世界のデータセット上でのネットワークの有用性を実証する。
• 参考スコア（独自算出の注目度）: 1.9594704501292781
• License:
• Abstract: Group equivariant convolutional neural networks have been designed for a variety of geometric transformations from 2D and 3D rotation groups, to semi-groups such as scale. Despite the improved interpretability, accuracy and generalizability afforded by these architectures, group equivariant networks have seen limited application in the context of perceptual quantities such as hue and saturation, even though their variation can lead to significant reductions in classification performance. In this paper, we introduce convolutional neural networks equivariant to variations in hue and saturation by design. To achieve this, we leverage the observation that hue and saturation transformations can be identified with the 2D rotation and 1D translation groups respectively. Our hue-, saturation-, and fully color-equivariant networks achieve equivariance to these perceptual transformations without an increase in network parameters. We demonstrate the utility of our networks on synthetic and real world datasets where color and lighting variations are commonplace.
• Abstract（参考訳）: 群同変畳み込みニューラルネットワークは、2次元および3次元回転群からスケールのような半群への様々な幾何学的変換のために設計されている。 これらのアーキテクチャによって得られる解釈可能性、精度、一般化性の改善にもかかわらず、群同変ネットワークは、その変動によって分類性能が大幅に低下するにもかかわらず、色調や飽和といった知覚量という文脈において限定的な応用を見てきた。 本稿では,設計による色調や彩度の変化に同値な畳み込みニューラルネットワークを提案する。 これを達成するために、色相変換と飽和変換をそれぞれ2次元回転群と1次元翻訳群に同定できるという観測を活用する。 我々の色相、彩度、完全色相のネットワークは、ネットワークパラメータの増加を伴わずに、これらの知覚変換に等しくなる。 色と照明のバリエーションが一般的である合成および実世界のデータセット上で、ネットワークの有用性を実証する。

関連論文リスト

• Variational Partial Group Convolutions for Input-Aware Partial Equivariance of Rotations and Color-Shifts [21.397064770689795]
  グループ同変CNN(G-CNN)は、階層的特徴を同変的に捉える能力から、様々なタスクにおいて有望な有効性を示している。 本稿では,各データインスタンスに特有の部分的等値の変動レベルを捉えるための新しいアプローチとして,変分部分G-CNN(VP G-CNN)を提案する。 本稿では,M67-180,CIFAR10,ColorMNIST,Flowers102など,おもちゃと現実世界の両方のデータセットに対するVP G-CNNの有効性を示す。
  論文  参考訳（メタデータ） (2024-07-05T05:52:51Z)
• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)
• Color Equivariant Convolutional Networks [50.655443383582124]
  CNNは、偶然に記録された条件によって導入された色の変化の間にデータ不均衡がある場合、苦労する。 カラースペクトル間の形状特徴共有を可能にする新しいディープラーニングビルディングブロックであるカラー等変畳み込み(CEConvs)を提案する。 CEConvsの利点は、様々なタスクに対するダウンストリーム性能と、列車-テストの分散シフトを含む色の変化に対するロバスト性の改善である。
  論文  参考訳（メタデータ） (2023-10-30T09:18:49Z)
• Sorted Convolutional Network for Achieving Continuous Rotational Invariance [56.42518353373004]
  テクスチャ画像のハンドメイドな特徴に着想を得たSorting Convolution (SC)を提案する。 SCは、追加の学習可能なパラメータやデータ拡張を必要とせずに連続的な回転不変性を達成する。 以上の結果から, SCは, 上記の課題において, 最高の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-05-23T18:37:07Z)
• Deep Neural Networks with Efficient Guaranteed Invariances [77.99182201815763]
  我々は、性能改善の問題、特にディープニューラルネットワークのサンプル複雑性に対処する。 群同変畳み込みは同変表現を得るための一般的なアプローチである。 本稿では,各ストリームが異なる変換に不変なマルチストリームアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-03-02T20:44:45Z)
• Offset equivariant networks and their applications [5.617903764268157]
  同変ネットワークは、入力の出力の均一なインクリメントを保存するニューラルネットワークである。 オフセット同変ネットワークの設計と実装のためのフレームワークを提案する。 実験の結果,オフセット同変ネットワークの性能は,通常のデータ上での最先端のネットワークの性能に匹敵することがわかった。
  論文  参考訳（メタデータ） (2022-07-01T09:38:19Z)
• Revisiting Transformation Invariant Geometric Deep Learning: Are Initial Representations All You Need? [80.86819657126041]
  変換不変および距離保存初期表現は変換不変性を達成するのに十分であることを示す。 具体的には、多次元スケーリングを変更することで、変換不変かつ距離保存された初期点表現を実現する。 我々は、TinvNNが変換不変性を厳密に保証し、既存のニューラルネットワークと組み合わせられるほど汎用的で柔軟なことを証明した。
  論文  参考訳（メタデータ） (2021-12-23T03:52:33Z)
• Implicit Equivariance in Convolutional Networks [1.911678487931003]
  IEN(Implicitly Equivariant Networks)は標準CNNモデルの異なる層で同変を誘導する。 IENは、高速な推論速度を提供しながら、最先端の回転同変追跡法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2021-11-28T14:44:17Z)
• Quantised Transforming Auto-Encoders: Achieving Equivariance to Arbitrary Transformations in Deep Networks [23.673155102696338]
  畳み込みニューラルネットワーク(CNN)は画像翻訳と等価である。 埋め込みは任意の等式関係を同時に従うオートエンコーダアーキテクチャを提案する。 いくつかのデータセット上で入力画像の変換版の再レンダリングに成功した結果を示す。
  論文  参考訳（メタデータ） (2021-11-25T02:26:38Z)
• Invariant Deep Compressible Covariance Pooling for Aerial Scene Categorization [80.55951673479237]
  本研究では,空気シーン分類におけるニュアンス変動を解決するために,新しい不変な深部圧縮性共分散プール (IDCCP) を提案する。 本研究では,公開空間画像データセットに関する広範な実験を行い,最先端の手法と比較して,この手法の優位性を実証する。
  論文  参考訳（メタデータ） (2020-11-11T11:13:07Z)

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。