論文の概要: LTSim: Layout Transportation-based Similarity Measure for Evaluating Layout Generation

• arxiv url: http://arxiv.org/abs/2407.12356v1
• Date: Wed, 17 Jul 2024 07:21:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-18 18:07:45.436701
• Title: LTSim: Layout Transportation-based Similarity Measure for Evaluating Layout Generation
• Title（参考訳）: LTSim:レイアウト生成評価のためのレイアウト輸送に基づく類似度測定
• Authors: Mayu Otani, Naoto Inoue, Kotaro Kikuchi, Riku Togashi,
• Abstract要約: レイアウト生成の結果を評価するために,レイアウト類似度尺度を導入する。 本稿では, 要素のより柔軟なマッチングを容易にする最適輸送に基づく新しい類似度尺度を提案する。 FIDが一般的に使用される非条件レイアウト生成のようなタスクに対しては、コレクションレベルの類似性を扱うために、我々の測度を拡張します。
• 参考スコア（独自算出の注目度）: 16.936872796841527
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a layout similarity measure designed to evaluate the results of layout generation. While several similarity measures have been proposed in prior research, there has been a lack of comprehensive discussion about their behaviors. Our research uncovers that the majority of these measures are unable to handle various layout differences, primarily due to their dependencies on strict element matching, that is one-by-one matching of elements within the same category. To overcome this limitation, we propose a new similarity measure based on optimal transport, which facilitates a more flexible matching of elements. This approach allows us to quantify the similarity between any two layouts even those sharing no element categories, making our measure highly applicable to a wide range of layout generation tasks. For tasks such as unconditional layout generation, where FID is commonly used, we also extend our measure to deal with collection-level similarities between groups of layouts. The empirical result suggests that our collection-level measure offers more reliable comparisons than existing ones like FID and Max.IoU.
• Abstract（参考訳）: レイアウト生成の結果を評価するために,レイアウト類似度尺度を導入する。 先行研究でいくつかの類似性対策が提案されているが、それらの行動に関する包括的な議論が欠如している。 本稿では,これらの手法の大部分が,厳密な要素マッチングに依存しているため,レイアウトの違いに対処できないことが判明した。 この制限を克服するため、より柔軟な要素のマッチングを容易にする最適輸送に基づく新しい類似度尺度を提案する。 このアプローチにより、要素カテゴリを共有していない場合でも、2つのレイアウト間の類似性を定量化することが可能となり、幅広いレイアウト生成タスクに適用できる。 FIDが一般的に使用される非条件レイアウト生成のようなタスクに対しては、レイアウトのグループ間のコレクションレベルの類似性を扱うために、我々の測度を拡張します。 実験結果から,FID や Max.IoU などの既存の測定値と比較して,コレクションレベルの測定値の方が信頼性が高いことが示唆された。

関連論文リスト

• Measuring similarity between embedding spaces using induced neighborhood graphs [10.056989400384772]
  本稿では,ペアの項目表現の類似性を評価するための指標を提案する。 この結果から,類似度とゼロショット分類タスクの精度が類似度と相関していることが示唆された。
  論文  参考訳（メタデータ） (2024-11-13T15:22:33Z)
• A Framework for Standardizing Similarity Measures in a Rapidly Evolving Field [2.0072624123275533]
  類似度測定は、人工システムと生物学的システムのアライメントを定量化する基本的なツールである。 類似度尺度の多様性と命名・実施規則の多様性は、研究全体を比較するのを困難にしている。 本稿では,類似度対策を独自かつ効率的に特定することを目的とした命名規則の開発,検証,精錬のための枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-26T23:14:01Z)
• Leveraging a Cognitive Model to Measure Subjective Similarity of Human and GPT-4 Written Content [26.409490082213445]
  GPT-4のような大規模言語モデル(LLM)によって形成されたトークン埋め込みを用いて、2つの文書間のコサイン類似性を計算することができる。 この類似度尺度は、個人のバイアスと制約を、意思決定の認知メカニズムに根ざした方法で考慮するという点で有益である。 このデータセットは、認知モデルを利用して、教育環境での人間の被験者の主観的類似度を測定する利点を示すために使用される。
  論文  参考訳（メタデータ） (2024-08-30T21:54:13Z)
• Contributing Dimension Structure of Deep Feature for Coreset Selection [26.759457501199822]
  Coreset selectionは、効率的な学習のための重要なトレーニングサンプルのサブセットを選択することを目指している。 サンプル選択は、パフォーマンス向上におけるサンプルの表現と、オーバーフィッティングを回避するためのサンプルの多様性の役割である。 既存の手法は典型的には類似度の測定値に基づいてデータの表現と多様性を計測する。
  論文  参考訳（メタデータ） (2024-01-29T14:47:26Z)
• Hierarchical Matching and Reasoning for Multi-Query Image Retrieval [113.44470784756308]
  マルチクエリ画像検索のための階層マッチング・推論ネットワーク(HMRN)を提案する。 MQIRを3つの階層的なセマンティック表現に分解し、きめ細かい局所的な詳細、文脈的グローバルスコープ、高レベルの固有の相関をキャプチャする責任を負う。 我々のHMRNは最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2023-06-26T07:03:56Z)
• Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
  本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。 我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。 また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
  論文  参考訳（メタデータ） (2022-10-05T11:08:04Z)
• Integrative Feature and Cost Aggregation with Transformers for Dense Correspondence [63.868905184847954]
  現在の最先端はTransformerベースのアプローチで、機能記述子やコストボリュームアグリゲーションに重点を置いている。 本稿では,両形態のアグリゲーションを相互にインターリーブするトランスフォーマーネットワークを提案する。 提案手法が密マッチングタスクに与える影響を評価し,全ての主要なベンチマークで最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-09-19T03:33:35Z)
• Hybrid Relation Guided Set Matching for Few-shot Action Recognition [51.3308583226322]
  本稿では,2つの鍵成分を組み込んだHybrid Relation Guided Set Matching (HyRSM) 手法を提案する。 ハイブリッドリレーションモジュールの目的は、エピソード内の関連関係とクロスビデオの完全活用により、タスク固有の埋め込みを学習することである。 我々は,HyRSMを6つの挑戦的ベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-04-28T11:43:41Z)
• Deep Relational Metric Learning [84.95793654872399]
  本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。 我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。 広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-08-23T09:31:18Z)
• Aspect-based Document Similarity for Research Papers [4.661692753666685]
  文書分類タスクのペア化によってアスペクト情報との類似性を拡張する。 研究論文のアスペクトベースの文書類似性を評価する。 以上の結果から,SciBERTは最高の演奏システムであることがわかった。
  論文  参考訳（メタデータ） (2020-10-13T13:51:21Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)

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。