文献

J-GLOBAL ID：201702212114932667   整理番号：17A1773099

敵対的訓練によるシミュレーションと教師なし画像からの学習【Powered by NICT】

Learning from Simulated and Unsupervised Images through Adversarial Training

著者 (6件)： Shrivastava Ashish ,  Pfister Tomas ,  Tuzel Oncel ,  Susskind Joshua ,  Wang Wenda ,  Webb Russell
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 2242-2251  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： グラフィックスにおける最近の進歩により,合成画像に及ぼす列車モデルに実行可能になってきた,高価なアノテーションのための必要性を回避する可能性がある。しかし,合成画像からの学習は,人工的データおよび実画像分布の間のギャップのために所望の性能を得られない可能性がある。このギャップを低減するために,シミュレートした+教師なし(S+U)学習,タスクは,ラベル付けされていない実データを用いたシミュレータ出力の現実性を改善するモデルを学習することであることを提案し,シミュレータからの注釈情報を保持している。生成敵対的ネットワーク(GANs)に類似しているが,ランダムベクトルの代わりに入力として合成画像を持つ敵対的ネットワークを用いたS+U学習のための方法を開発した。アノテーションを保持し,アーチファクトを回避し,訓練を安定化するために標準GaNアルゴリズムにいくつかの重要な変更を行うもの(i)自己正則化項,(ii)局所敵対的損失,および(iii)洗練された画像の履歴を用いた弁別器を更新する。は,これが定性的およびユーザ研究高度に現実感の発生,ここで示すを可能にすることを示した。凝視推定と手姿勢推定のためのトレーニングモデルによって生成された画像を定量的に評価した。合成画像を用いたよりも顕著な改善を示し,いかなる標識実データなしMPIIGazeデータセット上で最先端技術レベルの結果を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ネットワーク ,  *画像 ,  シミュレータ ,  窒化ガリウム ,  アノテーション ,  アーチファクト ,  アルゴリズム ,  正則化 ,  *学習 ,  弁別器
準シソーラス用語： 最先端技術 ,  姿勢推定 ,  固視 ,  合成画像 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 敵対 ,  訓練 ,  シミュレーション ,  教師 ,  学習