論文の概要: Doodle Your Keypoints: Sketch-Based Few-Shot Keypoint Detection

• arxiv url: http://arxiv.org/abs/2507.07994v1
• Date: Thu, 10 Jul 2025 17:59:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.540243
• Title: Doodle Your Keypoints: Sketch-Based Few-Shot Keypoint Detection
• Title（参考訳）: Doodle Your Keypoints:SketchベースのFew-Shot Keypoint Detection
• Authors: Subhajit Maity, Ayan Kumar Bhunia, Subhadeep Koley, Pinaki Nath Chowdhury, Aneeshan Sain, Yi-Zhe Song,
• Abstract要約: キーポイント検出は、特にクエリと同じディストリビューションからのソースデータが利用できない場合、数ショットの学習において課題に直面します。 このギャップは、一般的な人間の表現形式であるスケッチを活用することで解決され、ソースフリーの代替手段を提供する。 提案するフレームワークは,これらのハードルを,グリッドベースのロケータとプロトタイプドメイン適応を組み合わせたプロトタイプ設定で克服する。
• 参考スコア（独自算出の注目度）: 80.90808879991182
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Keypoint detection, integral to modern machine perception, faces challenges in few-shot learning, particularly when source data from the same distribution as the query is unavailable. This gap is addressed by leveraging sketches, a popular form of human expression, providing a source-free alternative. However, challenges arise in mastering cross-modal embeddings and handling user-specific sketch styles. Our proposed framework overcomes these hurdles with a prototypical setup, combined with a grid-based locator and prototypical domain adaptation. We also demonstrate success in few-shot convergence across novel keypoints and classes through extensive experiments.
• Abstract（参考訳）: 現代の機械認識に不可欠なキーポイント検出は、特にクエリが利用できない同じディストリビューションからのソースデータが利用できない場合、数ショットの学習において課題に直面している。 このギャップは、一般的な人間の表現形式であるスケッチを活用することで解決され、ソースフリーの代替手段を提供する。 しかし、クロスモーダルな埋め込みをマスターしたり、ユーザ固有のスケッチスタイルを扱う場合、課題が発生する。 提案するフレームワークは,これらのハードルを,グリッドベースのロケータとプロトタイプドメイン適応を組み合わせたプロトタイプ設定で克服する。 また、より広範な実験を通じて、新しいキーポイントやクラスにまたがる数発の収束の成功を示す。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Open-Vocabulary Animal Keypoint Detection with Semantic-feature Matching [74.75284453828017]
  Open-Vocabulary Keypoint Detection (OVKD)タスクは、任意の種類のキーポイントを特定するためにテキストプロンプトを使用するように設計されている。 セマンティック・フェールマッチング(KDSM)を用いた開語彙キーポイント検出(Open-Vocabulary Keypoint Detection)という新しいフレームワークを開発した。 このフレームワークは視覚と言語モデルを組み合わせて、言語機能とローカルキーポイント視覚機能との相互作用を作成する。
  論文  参考訳（メタデータ） (2023-10-08T07:42:41Z)
• A Shapelet-based Framework for Unsupervised Multivariate Time Series Representation Learning [29.511632089649552]
  時系列固有のシェープレットに基づく表現を学習し,多変量時系列のための新しいURLフレームワークを提案する。 我々の知る限りでは、これは、教師なし汎用表現学習におけるシェープレットベースの埋め込みを探求する最初の研究である。 統一型シェープレットベースのエンコーダと,マルチグレードコントラストとマルチスケールアライメントを備えた新しい学習目標が,目的達成のために特に設計されている。
  論文  参考訳（メタデータ） (2023-05-30T09:31:57Z)
• I Know What You Draw: Learning Grasp Detection Conditioned on a Few Freehand Sketches [74.63313641583602]
  そこで本研究では,スケッチ画像に関連のある潜在的な把握構成を生成する手法を提案する。 私たちのモデルは、現実世界のアプリケーションで簡単に実装できるエンドツーエンドで訓練され、テストされています。
  論文  参考訳（メタデータ） (2022-05-09T04:23:36Z)
• Deep Self-Supervised Representation Learning for Free-Hand Sketch [51.101565480583304]
  フリーハンドスケッチにおける自己指導型表現学習の課題に対処する。 自己教師型学習パラダイムの成功の鍵は、スケッチ固有の設計にある。 提案手法は最先端の教師なし表現学習法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-02-03T16:28:29Z)

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。