抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
シーン図は画像内容の構造図(Graph)を記述し、その生成過程に2つの問題が存在する:1)2段階式シーン図生成方法による有益な情報の損失、タスクの難度の向上,2)視覚関係の長尾分布によるモデルの過適合、関係推理のエラー率の上昇。この2つの問題に対して、本文では、マルチスケール特徴マップと環型関係推論を組み合わせたシーン図生成モデルSGiF(SceneGraphinFeatures)を提案した。まず第一に,多重スケール特徴グラフ上の各特徴点における視覚関係の可能性を計算し,高い特徴点を特徴抽出した。次に,抽出された特徴から主目的組合せを得て,復号化結果のクラス差に従って,結果を除去して,シーングラフ構造を得た。最後に、シーン図構造により目標関係辺を含むループを検査し、ループ上の他の辺を計算調整因子の入力とし、この因子で原関係推論結果を調整し、最終的にシーン図の生成を完成した。実験設定SGGenとPredClsを検証項目とし、大型シーン図生成データセットVG(VisualGenome)のサブセットにおける実験結果により、マルチスケール特徴マップを用いることで、2段階式基線よりSGiFの視覚関係検出ヒット率が7高くなった。ループ型関係推論を用いることにより,SGiFは,非環形関係推論のベースラインと比較して,2.18%,SGiFの有効性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】