文献

J-GLOBAL ID：202002256751860290   整理番号：20A1750923

合成動物からの学習【JST・京大機械翻訳】

Learning From Synthetic Animals

著者 (4件)： Mu Jiteng (Johns Hopkins University) ,  Qiu Weichao (Johns Hopkins University) ,  Hager Gregory D. (Johns Hopkins University) ,  Yuille Alan L. (Johns Hopkins University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 12383-12392  発行年： 2020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： 人間の構文解析における大きな成功にもかかわらず,動物のような他の変形可能な関節オブジェクトの構文解析の進歩は,ラベル付きデータの欠如によってまだ限られている。本論文では,CAD動物モデルから生成された合成画像とグランドトルースを用いて,この課題に取り組んだ。実画像と合成画像間のドメインギャップを埋めるために,新しい一貫性制約付き半教師つき学習法(CC-SSL)を提案した。提案手法では,非ラベル実画像を用いて合成データ上で訓練されたブートストラップ弱モデルに対して,空間的および時間的一貫性の両方を利用した。ウマやチグなどの高変形性動物に対する著者らの方法の有効性を実証した。実際の画像ラベルを使用せずに,提案手法は実画像の正確なキーポイント予測を可能にする。さらに,合成データを用いたモデルは,視覚ドメイン適応チャレンジデータセットにおける異なるドメインにわたって実画像上で訓練されたモデルよりも良好な一般化性能を達成することを示した。この合成データセットは,多様な姿勢と豊富なグランドトルースを有する10+動物を含み,さらにモデルの性能をさらに高めるためのマルチタスク学習戦略の使用を可能にする。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： 視覚 ,  ブートストラップ ,  *動物 ,  構文分析 ,  有効性
準シソーラス用語： 動物モデル ,  半教師つき学習 ,  合成画像 ,  グランドトゥルース , 【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 (2件)： 動物 ,  学習