文献

J-GLOBAL ID：202002267937660115   整理番号：20A1749770

ハイブリッド勾配による3D訓練データ生成のための学習【JST・京大機械翻訳】

Learning to Generate 3D Training Data Through Hybrid Gradient

著者 (2件)： Yang Dawei (University of Michigan; Princeton University) ,  Deng Jia (Princeton University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 776-786  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： グラフィックスエンジンによってレンダリングされた合成画像は,深層ネットワークを訓練するための有望な情報源である。しかし,グラフィックスベースの生成パイプラインは3D形状の選択やカメラの配置のような多数の設計決定を必要とするので,実際の画像上でネットワークを訓練するのを助けることができることを確実にすることは,挑戦的である。本研究では,「ハイブリッド勾配」と呼ぶ3D訓練データの生成を最適化する新しい方法を提案した。実際のベクトルとして設計決定をパラメータ化し,近似勾配と解析的勾配を結合して,このベクトルに関してネットワーク性能のハイブリッド勾配を得た。単一画像から表面法線,深さあるいは固有分解を推定するタスクに関するアプローチを評価した。標準ベンチマークに関する実験は,著者らのアプローチが,特に計算効率に関して,3D訓練データの生成を最適化することに関して,最先端技術の以前の状態より優れていることを示した。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： カメラ ,  最適化 ,  ベクトル ,  情報源 ,  ネットワーク ,  近似法 ,  *三次元 ,  深層 ,  ベンチマーク ,  レンダリング ,  パラメタリゼーション
準シソーラス用語： *訓練データ ,  計算効率 ,  三次元形状 ,  合成画像 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (4件)： 勾配 ,  3D ,  訓練データ ,  学習