特徴対応の蒸留による教師なし意味セグメンテーション【JST・京大機械翻訳】

Hamilton Mark; Zhang Zhoutong; Hariharan Bharath; Snavely Noah; Freeman William T.

プレプリント

J-GLOBAL ID：202202213304888332 整理番号：22P0305064

特徴対応の蒸留による教師なし意味セグメンテーション【JST・京大機械翻訳】

Unsupervised Semantic Segmentation by Distilling Feature Correspondences

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03月16日プレプリントサーバーでの情報更新日： 2022年03月16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)

教師なし意味セグメンテーションは,注釈の形式なしで画像コーパス内で意味的に意味のあるカテゴリーの発見と位置決めを目的とする。このタスクを解決するため,アルゴリズムは,明確なクラスタを形成するために,意味的に意味があり,コンパクトであるすべてのピクセルに対して特徴を生成する必要がある。単一エンドツーエンドフレームワークでこれを達成する以前の研究とは異なり,クラスタコンパクト化から特徴学習を分離することを提案した。経験的に,著者らは,現在の教師なし特徴学習フレームワークが,その相関が意味的に一致する高密度特徴を生成することを示した。この観測は,STEGO(エネルギーベースグラフ最適化によるSelf教師つき変換器)の設計を動機づけ,教師なし特徴を高品質離散意味ラベルに蒸留する新しいフレームワークである。STEGOのコアでは,コーパス間のそれらの関係を保存しながらコンパクトなクラスタを形成する特徴を促進する新しいコントラスト損失関数である。STEGOは,CocoStuff(+14mIoU)と都市景観(+9mIoU)の意味セグメンテーション課題の両方に関して,最先端技術よりも大幅な改善をもたらす。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

, , ,

前のページに戻る