文献

J-GLOBAL ID：202202256293535032   整理番号：22A0789071

AuxAdapt:時間的に一貫性のあるビデオセマンティックセグメンテーションのための安定で効率的な試験時間適応【JST・京大機械翻訳】

AuxAdapt: Stable and Efficient Test-Time Adaptation for Temporally Consistent Video Semantic Segmentation

著者 (4件)： Zhang Yizhe (Qualcomm AI Research) ,  Borse Shubhankar (Qualcomm AI Research, an initiative of Qualcomm Technologies, Inc.) ,  Cai Hong (Qualcomm AI Research, an initiative of Qualcomm Technologies, Inc.) ,  Porikli Fatih (Qualcomm AI Research, an initiative of Qualcomm Technologies, Inc.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 2633-2642  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： ビデオセグメンテーションにおいて,フレーム全体の時間的に一貫した結果を生成することは,フレームごとの精度を達成するのに重要である。本論文では,ほとんどのニューラルネットワークモデルの時間一貫性を改善するために,効率的,直感的,教師なしオンライン適応法,AuxAdaptを提案した。それは,オプティカルフローを必要とせず,ビデオの1パスのみを取る。不整合は主にその出力におけるモデルの不確実性から生じるので,著者らは,モデルがビデオをストリームするので,それ自身のセグメンテーション決定から学習する適応方式を提案し,それはフレームを横断して類似に見える画素のために,より秘密で時間的に一貫したラベリングを作り出すことができる。安定性と効率のために,この適応を助けるために小さな補助セグメンテーションネットワーク(AuxNet)を利用した。より具体的には,AuxNetは,元のセグメンテーションネットワーク(Main-Net)の決定を,それ自身の推定をメインネットのものに追加することによって再調整する。あらゆるフレームにおいて,AuxNetだけはバックプロパゲーションによって更新され,メインネット固定を維持した。著者らは,都市景観,CamVid,およびKITTIを含む標準ビデオベンチマークに関する試験時間適応アプローチを広範囲に評価する。結果は,著者らのアプローチが,ラベルワイズに正確で,時間的に一貫性があり,計算的に効率的な適応を提供することを実証した。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： *セグメンテーション ,  画素 ,  都市景観 ,  *録画装置 ,  不整合 ,  逆伝搬法 ,  オプティカルフロー
準シソーラス用語： 神経回路網モデル ,  オンライン ,  オブジェクトセグメンテーション , 【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 (4件)： ビデオ ,  セマンティックセグメンテーション ,  試験時間 ,  適応