論文の概要: On the Temporality for Sketch Representation Learning
- arxiv url: http://arxiv.org/abs/2512.04007v1
- Date: Wed, 03 Dec 2025 17:46:05 GMT
- ステータス: 情報取得中
- システム内更新日: 2025-12-04 11:56:13.179252
- Title: On the Temporality for Sketch Representation Learning
- Title（参考訳）: スケッチ表現学習の時間性について
- Authors: Marcelo Isaias de Moraes Junior, Moacir Antonelli Ponti,
- Abstract要約: 本研究は、スケッチをシーケンスとして扱うことが妥当かどうか、およびどの内部順序がより関係のある役割を果たすかを検討する。
その結果、従来の位置エンコーディングはスケッチをシーケンスとしてモデル化するのに有効であるが、絶対座標は相対座標よりも一貫して優れていることが示唆された。
- 参考スコア（独自算出の注目度）: 1.369853856968058
- License:
- Abstract: Sketches are simple human hand-drawn abstractions of complex scenes and real-world objects. Although the field of sketch representation learning has advanced significantly, there is still a gap in understanding the true relevance of the temporal aspect to the quality of these representations. This work investigates whether it is indeed justifiable to treat sketches as sequences, as well as which internal orders play a more relevant role. The results indicate that, although the use of traditional positional encodings is valid for modeling sketches as sequences, absolute coordinates consistently outperform relative ones. Furthermore, non-autoregressive decoders outperform their autoregressive counterparts. Finally, the importance of temporality was shown to depend on both the order considered and the task evaluated.
- Abstract（参考訳）: スケッチ(Sketches)は、複雑なシーンと現実世界のオブジェクトの単純な人間の手描きの抽象化である。
スケッチ表現学習の分野は著しく進歩しているが、これらの表現の質に対する時間的側面の真の関連性を理解するには依然としてギャップがある。
この研究は、スケッチをシーケンスとして扱うことが本当に妥当であるかどうか、そしてどの内部順序がより関係のある役割を果たすかを調査する。
その結果、従来の位置エンコーディングはスケッチをシーケンスとしてモデル化するのに有効であるが、絶対座標は相対座標よりも一貫して優れていることが示唆された。
さらに、非自己回帰デコーダは自己回帰デコーダよりも優れている。
最後に、時間性の重要性は、考慮された順序と評価された課題の両方に依存することを示した。
関連論文リスト
- Temporal Representation Alignment: Successor Features Enable Emergent Compositionality in Robot Instruction Following [50.377287115281476]
本研究では,現在および将来の状態の表現と時間的損失を関連付ける学習により,構成一般化が向上することを示す。
我々は,多様なロボット操作タスクおよびシミュレーションにおけるアプローチを評価し,言語やゴールイメージで指定されたタスクに対して,大幅な改善を示す。
論文 参考訳（メタデータ） (2025-02-08T05:26:29Z) - On the Consistency and Robustness of Saliency Explanations for Time
Series Classification [4.062872727927056]
時系列ウィンドウを画像として解釈するために、サリエンシマップが適用されている。
本稿では,時系列の特徴と時間的属性に対するサリエンシマップの一貫性とロバスト性について広く分析する。
論文 参考訳（メタデータ） (2023-09-04T09:08:22Z) - Action Quality Assessment with Temporal Parsing Transformer [84.1272079121699]
行動品質評価(AQA)は、作業の理解と解決に重要である。
本稿では,時間的部分表現に包括的特徴を分解する時間的パーシング変換器を提案する。
提案手法は,3つの公開AQAベンチマークにおける先行研究よりもかなりのマージンで優れていた。
論文 参考訳（メタデータ） (2022-07-19T13:29:05Z) - Contrastive Spatio-Temporal Pretext Learning for Self-supervised Video
Representation [16.643709221279764]
本稿では,新しいプレテキストタスク-時間的重複率(STOR)予測を提案する。
それは、人間が空間と時間におけるビデオの重複率を識別できるという観察に由来する。
我々は、時間的表現学習を強化するために、コントラスト学習を組み合わせた共同作業を採用する。
論文 参考訳（メタデータ） (2021-12-16T14:31:22Z) - A Hierarchy-Aware Pose Representation for Deep Character Animation [2.47343886645587]
深層キャラクタアニメーションに適した動きモデリングのための頑健なポーズ表現を提案する。
我々の表現は、回転方向と位置方向を同時にエンコードする、よく定義された演算を持つ数学的抽象化である二重四元数に基づいている。
我々の表現は共通の動きを克服し、他の一般的な表現と比較してその性能を評価する。
論文 参考訳（メタデータ） (2021-11-27T14:33:24Z) - Interpretable Time-series Representation Learning With Multi-Level
Disentanglement [56.38489708031278]
Disentangle Time Series (DTS)は、シーケンシャルデータのための新しいDisentanglement Enhanceingフレームワークである。
DTSは時系列の解釈可能な表現として階層的意味概念を生成する。
DTSは、セマンティック概念の解釈性が高く、下流アプリケーションで優れたパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-05-17T22:02:24Z) - Leveraging Self-Supervision for Cross-Domain Crowd Counting [71.75102529797549]
混雑したシーンで人をカウントするための最先端の方法は、群衆密度を推定するために深いネットワークに依存します。
われわれのネットワークは、通常の画像から逆さまの実際の画像を認識できるように訓練し、その不確実性を予測する能力を組み込む。
このアルゴリズムは、推論時に余分な計算をせずに、最先端のクロスドメイン群をカウントするアルゴリズムを一貫して上回る。
論文 参考訳（メタデータ） (2021-03-30T12:37:55Z) - Usable Information and Evolution of Optimal Representations During
Training [79.38872675793813]
特に、意味的に意味があるが究極的には無関係な情報は、訓練の初期の過渡的ダイナミクスに符号化されている。
文献に触発された知覚的意思決定タスクと標準画像分類タスクの両方にこれらの効果を示す。
論文 参考訳（メタデータ） (2020-10-06T03:50:19Z)
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。