論文の概要: Classical versus Deep Mirror-Symmetry Scoring: A Benchmark of Thirteen Methods
- arxiv url: http://arxiv.org/abs/2607.08379v1
- Date: Thu, 09 Jul 2026 11:56:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.514859
- Title: Classical versus Deep Mirror-Symmetry Scoring: A Benchmark of Thirteen Methods
- Title（参考訳）: 古典的・ディープミラー・シメトリー・スコリング--13手法のベンチマーク
- Authors: Maximilian Woehrer,
- Abstract要約: 古典的な特徴から凍結した深い特徴まで、13のスコアリング手法をベンチマークした。
ディープバックボーンは、単一軸プロトコルとより難しいマルチ軸プロトコルで最高に機能する。
画像対称性の検出と測定のためのオープンツールキットimgsymでスコアとハーネスを解放する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantifying how mirror-symmetric an image is about a given axis (symmetry scoring) underpins applications from visual aesthetics to medical imaging, yet proposed scoring methods have never been compared on a common, statistically grounded protocol. We benchmark 13 scoring methods (nine collected from literature, four introduced here) spanning from classical features to frozen deep features, across four single-axis and five multi-axis datasets under a reflection-exact protocol with a chance-anchored, significance-tested discrimination skill. Deep backbones perform best on single-axis and harder multi-axis protocols. However, a classical histogram-of-oriented-gradients (HOG) descriptor trails the best frozen-network readout by a small (but significant) margin, is not statistically separable from the runner-up (a CNN-filter measure), and runs ~300x faster on CPU. Our results show that discrimination concentrates in mid-scale oriented features, where deep backbones peak at a low or mid stage, and HOG peaks at a mid cell size. Among existing methods, frozen deep features thus offer little over a tuned classical descriptor for measuring symmetry; whether task-trained deep scorers can do better remains open. We release the scorers and harness in imgsym, an open toolkit for image symmetry detection and measurement.
- Abstract（参考訳）: 画像のミラー対称性の定量化は、視覚美学から医用画像まで、特定の軸(対称性のスコアリング)に関するものであるが、提案されたスコアリング法は、共通の統計的根拠を持つプロトコルで比較されることはなかった。
我々は,古典的な特徴から凍結した深い特徴まで4つの単一軸と5つの多軸データセットにまたがる13のスコアリング手法(文献から9つ紹介する。
ディープバックボーンは、単一軸プロトコルとより難しいマルチ軸プロトコルで最高に機能する。
しかし、古典的ヒストグラム・オブ・オリエント・グラディエント(HOG)ディスクリプタは、小さな(しかし重要な)マージンで最高のフリーズ・ネットワーク・リードアウトを辿り、ランナーアップ(CNNフィルタ測度)とは統計的に分離できず、CPU上で約300倍高速に動作している。
以上の結果から, 分化は, 深部後骨が中・中・中, HOGが中程度の細胞サイズでピークとなる中指向性特徴に集中していることが示唆された。
既存の手法の中で、凍結した深い特徴は対称性を測定するための調律された古典的な記述子をほとんど提供しない。
画像対称性の検出と測定のためのオープンツールキットimgsymでスコアとハーネスを解放する。
関連論文リスト
- A Trainable Centrality Framework for Modern Data [3.1788482285024107]
データポイントの中央値や典型値の計測は、ロバストな推定、ランク付け、外乱検出を支えている。
本稿では、任意の表現をベースとした神経中心性フレームワークであるFused Unified Centrality Score Estimation (FUSE)を紹介する。
論文 参考訳（メタデータ） (2025-11-28T08:04:38Z) - Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-02-25T13:22:17Z) - Heterogenous Memory Augmented Neural Networks [84.29338268789684]
ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。
学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。
In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
論文 参考訳（メタデータ） (2023-10-17T01:05:28Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - A Maximum Log-Likelihood Method for Imbalanced Few-Shot Learning Tasks [3.2895195535353308]
数ショットアーキテクチャのための新しい最大ログ類似度指標を提案する。
提案手法は,従来の類似度指標よりも優れた性能を実現することを示す。
また,提案アルゴリズムは,評価データが不均衡である場合に,最先端のトランスダクティブな数ショット性能を実現することを示す。
論文 参考訳（メタデータ） (2022-11-26T21:31:00Z) - Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。
我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
論文 参考訳（メタデータ） (2022-10-18T11:46:38Z) - Segmentation of Brain MRI using an Altruistic Harris Hawks' Optimization
algorithm [29.895517914678816]
脳磁気共鳴画像(MRI)の効率的なセグメンテーションは、放射線学者にとって大きな関心事である。
Thresholdingは、画像のヒストグラムを使用して、異なるピクセルの同質なグループを異なるクラスにラベル付けする、セグメンテーションの一般的な方法である。
本稿では,進化的メタヒューリスティックを用いたマルチレベルしきい値設定を行う。
論文 参考訳（メタデータ） (2021-09-17T17:51:34Z) - Transductive Few-Shot Classification on the Oblique Manifold [5.115651633703363]
限られたデータで学習しようとする学習は少ない。
本研究では,ユークリッド空間における特徴抽出を行う。
また,空間ピラミッドプールを用いた非パラメトリック領域自己アテンションを提案する。
論文 参考訳（メタデータ） (2021-08-09T13:01:03Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Locating Cephalometric X-Ray Landmarks with Foveated Pyramid Attention [8.75682288556859]
CNNは、焦点における高密度ではなく、一様にサンプリングされる。
本稿では,入力画像の狭い視線を抽出し,それを反復的に洗練して回帰処理を行う画像ピラミッドに基づく手法を提案する。
本手法をケパロメトリーX線ランドマーク検出に適用し,最先端の成果を得る。
論文 参考訳（メタデータ） (2020-08-10T21:44:45Z) - Towards Reading Beyond Faces for Sparsity-Aware 4D Affect Recognition [55.15661254072032]
自動4次元表情認識(FER)のための空間認識深層ネットワークを提案する。
まず,深層学習のためのデータ制限問題に対処する新しい拡張手法を提案する。
次に、多視点での畳み込み特徴のスパース表現を計算するために、疎度対応のディープネットワークを提案する。
論文 参考訳（メタデータ） (2020-02-08T13:09:11Z)
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。