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。
キーポイント検出と記述はコンピュータビジョンにおいて中心的役割を果たす。ほとんどの既存の方法は,異なるキーポイントのオブジェクトクラスを返すことなしに,シーンレベル予測の形式である。本論文では,従来の設定を超えるオブジェクト中心定式化を提案し,どのオブジェクトが各関心点に属するかをさらに同定する必要がある。そのような細粒情報により,著者らのフレームワークは,クラスタ化環境におけるオブジェクトレベルマッチングや姿勢推定のようなより下流ポテンシャルを可能にする。実世界におけるラベル収集の困難さを得るために,著者らは,シミュレーションで訓練されたモデルを現実世界アプリケーションに一般化できるsim2実際のコントラスト学習機構を開発した。著者らの訓練方法の新規性は3倍である。(i)著者らは,ハードケース,例えばより少ないテクスチャまたは対称パッチの特徴記述を改善するために,学習フレームワークに不確実性を統合する。(ii)オブジェクト記述子を2つの出力ブランチ,すなわち,オブジェクト内サリエンスとオブジェクト間識別に分離して,より良いピクセルワイズ記述をもたらした。(iii)表現学習における強化ロバスト性に対するクロスビュー意味一貫性を強制する。画像マッチングと6D姿勢推定に関する総合的実験は,シミュレーションから現実への著者らの方法の有望一般化能力を証明した。特に,6D姿勢推定では,この方法は,典型的な教師なし/sim2実法よりも著しく優れており,完全教師つき対応物とのより近いギャップを達成した。追加結果とビデオは,https://zhongcl thu.github.io/rock/で見つけることができる。【JST・京大機械翻訳】