文献

J-GLOBAL ID：202002280291971514   整理番号：20A2782050

エピソードグラフメモリネットワークによるビデオオブジェクトセグメンテーション【JST・京大機械翻訳】

Video Object Segmentation with Episodic Graph Memory Networks

著者 (6件)： Lu Xiankai (Inception Institute of Artificial Intelligence, Abu Dhabi, UAE) ,  Wang Wenguan (ETH Zurich, Zuerich, Switzerland) ,  Danelljan Martin (ETH Zurich, Zuerich, Switzerland) ,  Zhou Tianfei (Inception Institute of Artificial Intelligence, Abu Dhabi, UAE) ,  Shen Jianbing (Inception Institute of Artificial Intelligence, Abu Dhabi, UAE) ,  Van Gool Luc (ETH Zurich, Zuerich, Switzerland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12348  ページ： 661-679  発行年： 2020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： セグメンテーションモデルを,オンラインターゲット外観変化と同様に,特定のビデオに効率的に適応させる方法は,ビデオオブジェクトセグメンテーションの分野における基本的問題である。本研究では,グラフメモリネットワークを開発し,「セグメンテーションモデルを更新するための学習」の新しいアイデアに対処した。具体的には,ノードとしてフレームを保存し,エッジによりクロスフレーム相関を捉えるために,完全接続グラフとして組織化された,エピソードメモリネットワークを利用した。さらに,学習可能コントローラを,メモリ読書と書き込みを容易化し,固定メモリスケールを維持するように埋め込んだ。構造化,外部メモリ設計は,限られた視覚情報でも,新しい知識を包括的にマイニングし,迅速に記憶するための著者らのモデルを可能にし,そして,微分可能メモリコントローラは,記憶における有用な表現を保存するための抽象的方法をゆっくり学習し,そして,勾配降下を通して,これらの表現を,いかに後で用いるかを,ゆっくり学習する。さらに,提案したグラフメモリネットワークは,1ショットとゼロショットビデオオブジェクトセグメンテーションタスクの両方によく一般化できる,純粋ではあるが原理的フレームワークを生成する。4つの挑戦的なベンチマークデータセットに関する広範な実験は,著者らのグラフメモリネットワークがケースバイケースビデオオブジェクトセグメンテーションのためのセグメンテーションネットワークの適応を容易にすることができることを検証した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *記憶装置 ,  学習 ,  制御装置 ,  *セグメンテーション ,  *ネットワーク ,  微分 ,  *録画装置 ,  粒状材 ,  ROM【メモリ】 ,  ベンチマーク ,  外部記憶装置
準シソーラス用語： 読書 ,  視覚情報 ,  *オブジェクトセグメンテーション ,  メモリコントローラ , 【Automatic Indexing@JST】

著者キーワード (3件)： ビデオセグメンテーション ,  エピソードグラフメモリ ,  最新情報

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)： ビデオオブジェクトセグメンテーション