文献

J-GLOBAL ID：202002272189395662   整理番号：20A2028175

仮想具体化エージェントの動作からの身体的ワンショットビデオ認識学習【JST・京大機械翻訳】

Embodied One-Shot Video Recognition Learning from Actions of a Virtual Embodied Agent

著者 (7件)： Fu Yuqian (Fudan University, Shanghai, China) ,  Wang Chengrong (Fudan University, Shanghai, China) ,  Fu Yanwei (Fudan University, Shanghai, China) ,  Wang Yu-Xiong (Carnegie Mellon University, Pittsburgh, PA, USA) ,  Bai Cong (Zhejiang University of Technology (ZJUT), Hangzhou, China) ,  Xue Xiangyang (Fudan University, Shanghai, China) ,  Jiang Yu-Gang (Fudan University, Shanghai, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’19  ページ： 411-419  発行年： 2019年 
JST資料番号： D0698C  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： 1ショット学習は,ソースクラスから知識を転送することにより,少数の例から新しいターゲットクラスを認識することを意図する。この仮定に基づいて,最近の研究は,画像ベースのワンショット学習に焦点を合わせ,一方,ビデオベースの1ショット学習を扱った研究は少ない。目標クラスのビデオクリップがソースクラスのビデオに潜在的に現れるので,課題の1つは,ビデオのために互いに素なクラス仮定を維持するのが難しいことである。この課題に取り組むために,仮想環境において生成された合成ビデオを利用して,ターゲットクラスの現実的ビデオを理解するために,組込みエージェントベース1ショット学習と呼ばれる新しい設定を導入した。この設定では,さらに2種類の学習タスクを提案する:具体化されたワンショットビデオドメイン適応と具体化されたワンショットビデオ転送認識。これらのタスクはビデオ関連ワンショット学習タスクを評価するためのテストベッドとして役立つ。さらに,一般的なビデオセグメント拡張法を提案し,様々なワンショット学習タスクを大幅に促進する。実験結果は,著者らの設定と学習タスクの健全性を検証し,また,小サンプルサイズ領域におけるビデオ認識に対する著者らの増強手法の有効性を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *録画装置 ,  粒状材 ,  有効性 ,  *エージェント ,  健全性
準シソーラス用語： 互いに素 ,  テストベッド ,  仮想環境 ,  ビデオクリップ ,  小サンプルサイズ , 【Automatic Indexing@JST】

著者キーワード (3件)： 具体化されたエージェント ,  ワンショット学習 ,  ビデオ行動認識

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)： 仮想 ,  エージェント ,  身体 ,  学習