文献

J-GLOBAL ID：201702274627986519   整理番号：17A1773072

結合推論と視覚コンテキストを用いた高密度キャプション付け【Powered by NICT】

Dense Captioning with Joint Inference and Visual Context

著者 (4件)： Yang Linjie ,  Tang Kevin ,  Yang Jianchao ,  Li Li-Jia
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 1978-1987  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： 高密度字幕は緻密な言語記述による画像理解のための新しく出現したコンピュータビジョン話題である。目標は密に画像から視覚的概念(例えば,オブジェクト,オブジェクト部品,およびそれらの相互作用)を検出し,短い記述句各を標識することである。問題に取り組む時に適切に取り組まなければならない高密度字幕の二つの重要な課題を明らかにした。最初に,各画像における高密度視覚概念アノテーションは高度にオーバーラップした標的領域に関連した各視覚概念の正確な局在化を困難にしている。第二に,視覚概念の大量は,外観だけではそれらの各々を認識する困難にしている。二新しいアイデア,関節推論と文脈融合に基づく,これらの二課題を緩和するための新しいモデルパイプラインを提案した。系統的方法でこのモデルアーキテクチャを設計し,構造の変化を評価した。,コンパクトで効率的な,最終モデルは従来の最良のアルゴリズムに比べて73%の相対的利得をもつ高密度字幕のための視覚的ゲノム[23]上で最先端技術レベルの精度を達成した。定性的実験も高密度字幕におけるこのモデルの意味的能力を明らかにした。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： コンピュータビジョン ,  画像理解 ,  利得 ,  相互作用 ,  アルゴリズム ,  画像 ,  ゲノム ,  *視覚 ,  言語 ,  アノテーション
準シソーラス用語： 局在化 ,  句 ,  字幕 ,  *キャプション ,  *高密度 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 推論 ,  視覚コンテキスト ,  高密度 ,  キャプション