文献

J-GLOBAL ID：202202248229830495   整理番号：22A0695819

変形可能発電機ネットワーク:外観と幾何学の教師なし非エンタングルメント【JST・京大機械翻訳】

Deformable Generator Networks: Unsupervised Disentanglement of Appearance and Geometry

著者 (5件)： Xing Xianglei (College of Automation, Harbin Engineering University, Harbin, Heilongjiang, China) ,  Gao Ruiqi (Department of statistics, University of California, Los Angeles, CA, USA) ,  Han Tian (Computer Science Department, Stevens Institute of Technology, Hoboken, NJ, USA) ,  Zhu Song-Chun (Department of statistics, University of California, Los Angeles, CA, USA) ,  Wu Ying Nian (Department of statistics, University of California, Los Angeles, CA, USA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 44  号： 3  ページ： 1162-1179  発行年： 2022年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： 純粋に教師なし方法で画像とビデオデータの両方に対する外見と幾何学的情報を解きほぐ変形可能な発電機モデルを示した。外観生成ネットワークモデルは,色,照明,同一性またはカテゴリーを含む外観に関連した情報をモデル化し,一方,幾何学的発生器は,回転および延伸のような幾何学的ゆがみを実行し,それは,最終画像またはビデオシーケンスを得るために,生成された外観を縦糸するために使用する変形場を生成する。2つの発生器は,画像またはビデオシーケンスから外観と幾何学的情報を解きほぐための入力として独立した潜在ベクトルを取り入れる。ビデオデータのために,非線形遷移モデルを,時間にわたる動力学を捕捉するために,外観と幾何学的発電機の両方に導入した。提案した方式は一般的であり,異なる生成モデルに容易に統合できる。定性的および定量的実験の広範囲な集合は,外見および幾何学的情報が十分に解き,学習された幾何学的発生器が,知識転送タスクを容易にするために類似の構造規則性を共有する他の画像データセットに便利に転送できることを示した。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】

シソーラス用語： *幾何学 ,  ベクトル ,  *ネットワーク ,  実験 ,  モデリング ,  規則度 ,  ゆがみ
準シソーラス用語： 画像データ ,  ビデオシーケンス ,  ネットワークモデル ,  再生器 ,  生成モデル ,  映像データ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 発電機 ,  外観 ,  幾何学 ,  教師 ,  エンタングルメント