文章埋込みを用いたマルチドメイン意味的セグメンテーションのスケールアップ【JST機械翻訳】

Yin Wei; Liu Yifan; Shen Chunhua; Sun Baichuan; Hengel Anton van den

プレプリント

J-GLOBAL ID：202202212722388633 整理番号：22P0284614

文章埋込みを用いたマルチドメイン意味的セグメンテーションのスケールアップ【JST機械翻訳】

Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings

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 (5件)： , , , ,
資料名：
発行年： 2022年02月04日プレプリントサーバーでの情報更新日： 2024年04月30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)

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】

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

パターン認識 , 人工知能

, , , , ,

前のページに戻る