文献

J-GLOBAL ID：201802231921053316   整理番号：18A0137597

多モードGauss過程調和を用いた潜在変数モデル【Powered by NICT】

Multimodal Gaussian Process Latent Variable Models with Harmonization

著者 (4件)： Song Guoli ,  Wang Shuhui ,  Huang Qingming ,  Tian Qi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 5039-5047  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： 本研究では,Gauss過程潜在変数モデル(GPLVMs)とマルチモーダル学習問題およびクロスモーダル検索への応用を検討した。既存GPLVMベースの研究は,一般的に,モデルパラメータを個々の事前確率を課し,これらのパラメータ間の固有の関係を無視している。モダリティ間の強い相補性を考慮して,カーネルハイパーパラメータ空間と潜在空間の両方におけるマルチモーダル情報を伝搬する多モードGPLVMsのパラメータ上の事前新しい継手を提案した。関節前は,モデルパラメータに及ぼす調和制約,モダリティ特異的GPカーネル間の一致と潜在空間の中の類似性を強化するものとして定式化した。マルチモーダルGPLVMsの学習過程に調和機構を組み込んだ。提案した方法は,クロスモーダル検索のための広く使用されている三マルチモーダルデータセット上で評価した。実験結果は調和機構である不均一モダリティ間の学習非線形相関のGPLVMアルゴリズムに有益であることを示した。Copyright 2018 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： *多モード ,  定式化 ,  *Gauss過程 ,  類似性 ,  学習 ,  事前確率 ,  相補性
準シソーラス用語： 学習過程 ,  モダリティ ,  モデルパラメータ ,  *潜在変数 , 【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 (5件)： 多モード ,  Gauss過程 ,  調和 ,  潜在変数 ,  モデル