合成への合成に対する自動符号器:単純からより複雑なシーンへ【JST・京大機械翻訳】

Da Cruz Steve Dias; Taetz Bertram; Stifter Thomas; Stricker Didier

プレプリント

J-GLOBAL ID：202202208382547840 整理番号：22P0323883

合成への合成に対する自動符号器:単純からより複雑なシーンへ【JST・京大機械翻訳】

Autoencoder for Synthetic to Real Generalization: From Simple to More Complex Scenes

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月01日プレプリントサーバーでの情報更新日： 2022年04月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

合成データに関する学習と,得られた特性を実際の対応物に移すことは,機械学習におけるコスト低減と安全性向上のための重要な挑戦である。本研究では,同じシナリオを示す模擬画像と実画像間のドメインシフトに起因する帰納的バイアスに不変である潜在的空間表現を学習するために,オートエンコーダアーキテクチャに焦点を絞った。合成画像のみを訓練し,一般化可能性を増加させ,視覚複雑性の増加の実データセットへの意味論の保存を改善した。事前訓練された特徴抽出器(例えば,VGG)は,より低い複雑性の画像上での一般化に対して十分でありえるが,視覚的により複雑なシーンに対しては,追加の改善が必要であることを示した。この目的のために,画像の意味論的に重要な部分に整合する新しいサンプリング技術を示し,一方,他の部分をランダム化し,顕著な特徴抽出と重要でない部品の無視を導いた。これは,実際のデータへの一般化を助け,さらに,著者らのアプローチが微調整した分類モデルより優れていることを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, ,

前のページに戻る