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。
ゼロショット設定に適用した場合に最先端の教師付き性能を達成する意味セグメンテーションに対するアプローチを提案した。したがって,それは,それらのデータセットに関するトレーニングなしで,主要なセマンティックセグメンテーションデータセットの各々に関して,監督された方法のそれらと等しい結果を達成した。これは,各クラスラベルを,そのクラスを記述する短い段落のベクトル値埋込みで置き換えることにより達成される。このアプローチの一般性と単純性は,異なるドメインからの複数のデータセットを,それぞれ異なるクラスラベルと意味論とマージすることを可能にする。得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは,そこからのいかなる画像も使用しないにもかかわらず,7つのベンチマークデータセット上で最先端の教師付き手法の性能と同等の性能を達成するモデルの訓練を可能にした。標準的な意味セグメンテーションデータセット上でこのモデルを微調整することにより,NYUD-V2およびPASCALコンテキスト上での最先端の教師付きセグメンテーションよりも,それぞれ60%および65%のmIOUで大幅な改善を達成した。言語埋込みの近接性に基づいて,提案手法では目に見えないラベルのセグメンテーションさえも行うことが可能である。広範な実験により,目に見えない画像領域や目に見えないラベルへの強い一般化を実証し,この方法が,深さ推定やインスタンスセグメンテーションを含む,ダウンストリームアプリケーションにおける印象的な性能改善を可能にすることを示した。【JST機械翻訳】