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。
シーングラフ生成(SGG)は,画像におけるオブジェクトとそれらの関係を検出し,それによって様々な実世界アプリケーションのための複雑なシーンの詳細な理解を可能にする。ロボットビジョンのようなSGGアプリケーションでは,他の種類の物体として物体を認識せずに,あるいはそれを無視することなしに,すべてのオブジェクトを正しく検出することが重要である。しかしながら,SGGに関する以前の研究は,そのクラスが訓練において未意味である未知のオブジェクトを考慮していない。その結果として,現在のSGG法は,既知のオブジェクトクラスとしてそれらを誤って分類するか,あるいはそれらを見逃す。本論文では,未知のオブジェクトと,それらの関係の検出に焦点を合わせて,未知のオブジェクトを有する「オープンセットSGG」という新しい問題を提案した。具体的には,この新問題を形式的に定義し,未知オブジェクトを有する拡張データセットとオープンセット設定用に設計した新しい評価メトリックを含む評価プロトコルを提案した。また,既存のSGG法を採用して,拡張して,オープンセットSGGの現在のベースライン性能を確立するために,実験を通してそれらを比較した。最後に,オープンセット設定における現在のSGG方法論の限界を議論し,将来の研究方向を指摘した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】