文献

J-GLOBAL ID：202002242926162932   整理番号：20A0817601

スケーラブルなシーングラフ生成のための注意-翻訳-関係ネットワーク【JST・京大機械翻訳】

Attention-Translation-Relation Network for Scalable Scene Graph Generation

著者 (4件)： Gkanatsios Nikolaos (Deeplab, Greece) ,  Pitsikalis Vassilis (Deeplab, Greece) ,  Koutras Petros (National Technical University of Athens, Greece) ,  Maragos Petros (National Technical University of Athens, Greece)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCVW  ページ： 1754-1764  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： 著者らは,ほとんどのセングラフ生成手法が,それらの2つの制約を受けていることを見出した。1)一般的な注意メカニズムと,視覚的特徴を強調する,2)余分なものとしての「相互作用」を扱うことなく,雑音が多く,クラスとプルーンのグラフエッジの両方を手動で,あるいは単純なフィルタを適用する。結果として,そのようなアプローチは異なる設定と仕様にスケールアップしない。著者らは,言語と空間特徴によって駆動されるマルチヘッド注意を採用する3段階パイプライン,トランスレーション埋込みとマルチタスクを提案して,オブジェクトの相互作用ペアを検出した。著者らの注意方式は,視覚的特徴の解釈可能性を最大にすることができ,異なるスケールのデータセットの性質を捉えることができる。一方,マルチタスクは,バックグラウンドクラスのバイアスをロバストに解決する。関連文献の実験的概観を示し,多数の評価不整合性を明らかにし,種々のデータセットに関する実験により定量的および定性的支援を提供した。ここで,著者らのアプローチは,パール上で実行するか,または最新の最新技術よりも性能が優れている。Copyright 2020 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： 相互作用 ,  不整合 ,  バイアス ,  雑音 ,  フィルタ ,  スケールアップ ,  言語 ,  *ネットワーク ,  ロバスト性
準シソーラス用語： Perl ,  マルチタスク ,  プルーン , 【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)： シーン ,  グラフ ,  注意 ,  翻訳