抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,乱雑な屋内シーンのレイアウトを推定する代替法を提案した。この方法は,二種の新規技術の利点を持っている。最初のものは,意味論的移動(ST)である(1)シーンクラッタと室レイアウト間の関係を統合する畳込みニューラルネットワークに定式化,(2)エンドツーエンドを訓練できることを構造,(3)非平衡訓練データ分布の下での非常に深いネットワークのための重みの初期化のための実用的な戦略。STはさまざまな環境下で高度にロバストな特徴を抽出することを可能にし,これらの特徴に隠された計算冗長性に対処するために著者らは物理学にヒントを得た最適化(PIO)と呼ばれる原理と効率的な推論方式を開発した。PIOs基本的な考え方は,ST特徴力学概念に観察されたいくつかの現象を定式化することである。公共データセット上で評価LSUNとHedauは,提案した方法が最新の方法よりもより正確であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】