文献

J-GLOBAL ID：201902249285857634   整理番号：19A1604982

双方向制約ネットワークによるビデオ予測【JST・京大機械翻訳】

Video Prediction with Bidirectional Constraint Network

著者 (4件)： Hou Ruibing (Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, Beijing, 100190, China) ,  Chang Hong (Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, Beijing, 100190, China) ,  Ma Bingpeng (School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing, 100049, China) ,  Chen Xilin (Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, Beijing, 100190, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： FG  ページ： 1-8  発行年： 2019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： ビデオにおける将来のフレーム予測は,教師なしビデオ表現学習のための有望な手段である。しかしながら,ビデオ予測は,将来のビデオフレームの高次元性と固有の不確実性のため,巨大な解空間を持っている。既存の手法は予測に弱い制約を課し,運動混乱をもたらす。この問題を軽減するために,双方向制約ネットワーク(BCnET)と名付けた新しいモデルを提案した。BCnETは前方予測モジュールと後方予測モジュールから成る。フォワード予測モジュールは,現在のシーケンスから将来のシーケンスを予測するために学習するが,逆予測モジュールはタスクを逆転させるために学習する。2つのモジュールの閉ループは,後方予測モジュールが有益なフィードバック信号を生成することを可能にした。フィードバック信号はフォワード予測モジュールの解空間をクランプする。したがって,著者らのアプローチは運動混乱を効果的に軽減することができる。さらに,教師つき学習問題に対する微調整によりBCnETを評価した:Ucf-101データセット上の人間行動認識。この表現が分類精度を改善することを示した。いくつかの挑戦的な公開データセットに関する広範な実験は,著者らのアプローチが最先端のアプローチよりも著しく優れていることを示し,このアプローチの有効性と一般化能力を実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *予測 ,  *ネットワーク ,  有効性 ,  不確実性 ,  *録画装置 ,  教師つき学習 ,  クランプ ,  カオス ,  高次元
準シソーラス用語： 分類精度 ,  微調整 ,  解空間 ,  ビデオフレーム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 双方向 ,  制約 ,  ビデオ ,  予測