文献

J-GLOBAL ID：201902277975474818   整理番号：19A1121124

オプティカルフローのための条件付き事前ネットワーク【JST・京大機械翻訳】

Conditional Prior Networks for Optical Flow

著者 (2件)： Yang Yanchao (UCLA Vision Lab, University of California, Los Angeles, CA, USA) ,  Soatto Stefano (UCLA Vision Lab, University of California, Los Angeles, CA, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11219  ページ： 282-298  発行年： 2018年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： オプティカルフローの古典的な計算には,画像の基本的な統計を捉えるが,長距離相関や意味論ではない一般的な事前(正則化器)が含まれている。他方では,完全に監督された方法は,明示的な正則化なしで,オーバーフィッティングのリスクによって,注釈付きデータにおける規則性を学習する。画像と統計的に互換性がある可能な流れの集合に関するより豊富な事前を学習することを求めた。事前に一度学習されると,(追加的)監視を必要とせずに,二つ以上の画像から直接オプティカルフローを推論するために,完全マップを容易に学習することができる。Condition Prior Network(CPN)と呼ばれる新しいアーキテクチャを導入し,それを訓練する方法を示し,事前条件を与える方法を示した。単純なオプティカルフローアーキテクチャと組み合わせて用いると,CPNはすべての変分法と同じデータ項を用いたすべての教師なし学習に基づく学習を行う。それは完全に監視されたものと同等に機能するが,特定のデータセットに微調整される。一方,著者らの方法は,データセット間で転送された場合でも良好に機能する。コードは,https://github.com/YanchaoYang/Conditional-Prior-Networksで利用可能である。Copyright 2018 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アノテーション ,  計算機アーキテクチャ ,  画像 ,  規則度 ,  *オプティカルフロー ,  意味論 ,  教師なし学習 ,  正則化 ,  互換性 ,  *ネットワーク ,  変分法
準シソーラス用語： 微調整 ,  長距離相関 , 【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 (1件)： オプティカルフロー