論文の概要: Relaxed Rotational Equivariance via $G$-Biases in Vision
- arxiv url: http://arxiv.org/abs/2408.12454v2
- Date: Sun, 25 Aug 2024 05:18:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-27 12:32:31.115573
- Title: Relaxed Rotational Equivariance via $G$-Biases in Vision
- Title(参考訳): 視覚におけるG$-Biasesによる緩和回転等価性
- Authors: Zhiqiang Wu, Licheng Sun, Yingjie Liu, Jian Yang, Hanlin Dong, Shing-Ho J. Lin, Xuan Tang, Jinpeng Mi, Bo Jin, Xian Wei,
- Abstract要約: 群同変畳み込み(GConv)は回転対称性データを効果的に扱うことができる。
実世界のデータは、回転対称性(Rotational Symmetry-Breaking)と呼ばれる厳密な回転対称性にほとんど準拠しない。
本稿では,G$-Biasesと呼ばれる学習可能なバイアスの集合を利用して,この問題に対処する,単純かつ高効率な手法を提案する。
- 参考スコア(独自算出の注目度): 19.814324876189772
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Group Equivariant Convolution (GConv) can effectively handle rotational symmetry data. They assume uniform and strict rotational symmetry across all features, as the transformations under the specific group. However, real-world data rarely conforms to strict rotational symmetry commonly referred to as Rotational Symmetry-Breaking in the system or dataset, making GConv unable to adapt effectively to this phenomenon. Motivated by this, we propose a simple but highly effective method to address this problem, which utilizes a set of learnable biases called the $G$-Biases under the group order to break strict group constraints and achieve \textbf{R}elaxed \textbf{R}otational \textbf{E}quivarant \textbf{Conv}olution (RREConv). We conduct extensive experiments to validate Relaxed Rotational Equivariance on rotational symmetry groups $\mathcal{C}_n$ (e.g. $\mathcal{C}_2$, $\mathcal{C}_4$, and $\mathcal{C}_6$ groups). Further experiments demonstrate that our proposed RREConv-based methods achieve excellent performance, compared to existing GConv-based methods in classification and detection tasks on natural image datasets.
- Abstract(参考訳): 群同変畳み込み(GConv)は回転対称性データを効果的に扱うことができる。
彼らはすべての特徴に対して一様かつ厳密な回転対称性を仮定し、特定の群の下での変換を仮定する。
しかし、実世界のデータは、システムやデータセットで一般的には回転対称性と呼ばれる厳密な回転対称性に従わないため、GConvはこの現象に効果的に適応できない。
この問題に対して,厳密な群制約を破り, \textbf{R}elaxed \textbf{R}otational \textbf{E}quivarant \textbf{Conv}olution (RREConv) を達成するために, G$-Biases と呼ばれる一連の学習可能なバイアスを利用する,単純かつ高効率な手法を提案する。
回転対称群 $\mathcal{C}_n$ (eg $\mathcal{C}_2$, $\mathcal{C}_4$, $\mathcal{C}_6$ group) 上の緩和回転同値性を検証するための広範な実験を行う。
さらに,提案したRREConv法は,自然画像データセットの分類・検出タスクにおける既存のGConv法と比較して,優れた性能を示すことを示す。
関連論文リスト
- Harmformer: Harmonic Networks Meet Transformers for Continuous Roto-Translation Equivariance [2.5864824580604515]
CNNは画像翻訳と本質的に同値であり、効率的なパラメータとデータ利用、学習の高速化、堅牢性の向上につながっている。
変換同変ネットワークの概念は、離散回転群に対する群畳み込みと360円の連続回転群に対する調和関数を用いて回転変換に拡張された。
本稿では, コンボリューションステムを持つ調和変換器であるHarmformerを紹介し, 変換と連続回転の両面で等価性を実現する。
論文 参考訳(メタデータ) (2024-11-06T09:39:25Z) - SBDet: A Symmetry-Breaking Object Detector via Relaxed Rotation-Equivariance [26.05910177212846]
Group Equivariant Convolution(GConv)は、モデルに視覚データに隠された対称性を探索させ、パフォーマンスを向上させる。
従来のGConv法は群空間の厳密な操作規則によって制限されており、対称性・ブレーキングや非剛体変換への適応が困難である。
本稿では,Relaxed Rotation-Equivariant Network(R2Net)をバックボーンとして提案し,その上に構築された2次元オブジェクト検出のためのSBDet(Symmetry-Breaking Object Detector)を開発した。
論文 参考訳(メタデータ) (2024-08-21T16:32:03Z) - Equivariant Disentangled Transformation for Domain Generalization under
Combination Shift [91.38796390449504]
ドメインとラベルの組み合わせは、トレーニング中に観察されるのではなく、テスト環境に現れる。
我々は、同型の概念、同値性、および整合性の定義に基づく結合シフト問題の一意的な定式化を提供する。
論文 参考訳(メタデータ) (2022-08-03T12:31:31Z) - Orthonormal Convolutions for the Rotation Based Iterative
Gaussianization [64.44661342486434]
本稿では、画像ガウス化を可能にする回転型反復ガウス化RBIGの拡張について詳述する。
RBIGの回転は主成分分析や独立成分分析に基づくため、画像では小さな画像パッチや孤立画素に制限されている。
emphConvolutional RBIG:この問題を緩和する拡張として,RBIGの回転が畳み込みであることを示す。
論文 参考訳(メタデータ) (2022-06-08T12:56:34Z) - Improving the Sample-Complexity of Deep Classification Networks with
Invariant Integration [77.99182201815763]
変換によるクラス内分散に関する事前知識を活用することは、ディープニューラルネットワークのサンプル複雑性を改善するための強力な方法である。
そこで本研究では,アプリケーションの複雑な問題に対処するために,プルーニング法に基づく新しい単項選択アルゴリズムを提案する。
本稿では,Rotated-MNIST,SVHN,CIFAR-10データセットにおけるサンプルの複雑さの改善について述べる。
論文 参考訳(メタデータ) (2022-02-08T16:16:11Z) - Deformation Robust Roto-Scale-Translation Equivariant CNNs [10.44236628142169]
グループ同変畳み込みニューラルネットワーク(G-CNN)は,固有対称性を持つ一般化性能を著しく向上させる。
G-CNNの一般的な理論と実践的実装は、回転またはスケーリング変換の下での平面画像に対して研究されている。
論文 参考訳(メタデータ) (2021-11-22T03:58:24Z) - Examining and Combating Spurious Features under Distribution Shift [94.31956965507085]
我々は、最小限の統計量という情報理論の概念を用いて、ロバストで刺激的な表現を定義し、分析する。
入力分布のバイアスしか持たない場合でも、モデルはトレーニングデータから急激な特徴を拾い上げることができることを証明しています。
分析から着想を得た結果,グループDROは,グループ同士の相関関係を直接考慮しない場合に失敗する可能性が示唆された。
論文 参考訳(メタデータ) (2021-06-14T05:39:09Z) - Exploiting Learned Symmetries in Group Equivariant Convolutions [20.63056707649319]
群同変畳み込み(GConvs)は、畳み込みニューラルネットワークを様々な変換群に同変させることができる。
我々は,GConvsを深層的に分離可能な畳み込みに効率的に分解できることを示す。
論文 参考訳(メタデータ) (2021-06-09T08:50:22Z) - GroupifyVAE: from Group-based Definition to VAE-based Unsupervised
Representation Disentanglement [91.9003001845855]
他の誘導バイアスを導入しないと、VAEベースの非監視的非絡み合いは実現できない。
グループ理論に基づく定義から導かれる制約を非確率的帰納的バイアスとして活用し,vaeに基づく教師なし不連続に対処する。
提案手法の有効性を検証するために,5つのデータセット上で,vaeベースモデルが最も目立つ1800モデルをトレーニングした。
論文 参考訳(メタデータ) (2021-02-20T09:49:51Z) - Group Equivariant Conditional Neural Processes [30.134634059773703]
群同変条件ニューラルプロセス(EquivCNP)を提案する。
EquivCNPは1次元回帰タスクにおいて従来の条件付きニューラルプロセスに匹敵する性能を示す。
論文 参考訳(メタデータ) (2021-02-17T13:50:07Z) - Generalizing Convolutional Neural Networks for Equivariance to Lie
Groups on Arbitrary Continuous Data [52.78581260260455]
任意の特定のリー群からの変換に同値な畳み込み層を構築するための一般的な方法を提案する。
同じモデルアーキテクチャを画像、ボール・アンド・スティック分子データ、ハミルトン力学系に適用する。
論文 参考訳(メタデータ) (2020-02-25T17:40:38Z)
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。