文献

J-GLOBAL ID：202202243280132906   整理番号：22A1163256

微分可能なビジュアルコンピューティング:挑戦と機会【JST・京大機械翻訳】

Differentiable Visual Computing: Challenges and Opportunities

著者 (2件)： Li Tzu-Mao (University of California, San Diego, CA, USA) ,  Pattanaik Sumanta N.
資料名： IEEE Computer Graphics and Applications  (IEEE Computer Graphics and Applications)
巻： 42  号： 2  ページ： 101-109  発行年： 2022年 
JST資料番号： E0996A  ISSN： 0272-1716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 古典的アルゴリズムは典型的にドメイン固有の洞察を含んでいる。これは,しばしばよりロバストで,解釈可能で,効率的である。他方,深層学習モデルは,勾配ベース最適化技術を用いて大量のデータからスクラッチからドメイン固有の洞察を学習しなければならない。両世界が最良であるために,勾配ベース最適化を可能にする古典的ビジュアルコンピューティングアルゴリズムを作るべきである。古典的視覚計算アルゴリズムの計算導関数は挑戦的であり,不連続性があり,計算パターンは高アルゴリズム強度ニューラルネットワークと比較して不規則である。本論文では,古典的視覚コンピューティングアルゴリズムと最新のデータ駆動法を組み合わせる利点と課題について,特に,これらの課題に取り組むための最初のステップの1つを取り上げて論じた。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】

シソーラス用語： アルゴリズム ,  最適化 ,  視覚 ,  最適化手法 ,  ニューラルネットワーク ,  *微分 ,  モデル ,  導関数 ,  不連続性 ,  ロバスト性
準シソーラス用語： 計算アルゴリズム ,  データ駆動 ,  *ビジュアルコンピューティング ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 微分 ,  ビジュアルコンピューティング ,  機会