文献

J-GLOBAL ID：202202260673564599   整理番号：22A0398280

視覚関係検出のための構成可能なグラフ推論【JST・京大機械翻訳】

Configurable Graph Reasoning for Visual Relationship Detection

著者 (7件)： Zhu Yi (University of Chinese Academy of Sciences (UCAS), Beijing, China) ,  Liang Xiwen (Sun Yat-sen University, Guangzhou, China) ,  Lin Bingqian (Sun Yat-sen University, Guangzhou, China) ,  Ye Qixiang (University of Chinese Academy of Sciences (UCAS), Beijing, China) ,  Jiao Jianbin (University of Chinese Academy of Sciences (UCAS), Beijing, China) ,  Lin Liang (Sun Yat-sen University, Guangzhou, China) ,  Liang Xiaodan (Sun Yat-sen University, Guangzhou, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 1  ページ： 117-129  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： 視覚コモンセンス知識は,オブジェクトおよび関係ラベルに関して偏った長尾視覚関係の推論において,ますます注目されている。ほとんどの現在の方法は,通常,{被験者,オブジェクト→述語}の固定推論経路に従って,視覚関係のための外部知識を収集し,利用し,まれな関係の認識を容易にする。しかし,そのような固定多重依存経路に対する知識組込みは,オブジェクトと関係ラベルのデータセットバイアスと指数的に成長した組合せに悩まされ,一般的知識と実情景の間の意味的ギャップを無視する。これを軽減するために,視覚関係の推論経路と外部知識の組み込みを分解するための構成可能なグラフ推論(CGR)を提案し,各画像における各関係タイプに対する構成可能な知識選択と個人化グラフ推論を達成した。共通の知識グラフを与えられた場合,CGRは,異なるサブパスに対する知識を整合し検索し,知識経路を選択的に構成する。CGRは,知識グラフに基づく推論経路を適応的に構成して,一般的知識と実世界場面の間の意味ギャップを橋渡し,より良い知識一般化を達成した。大規模な実験は,CGRがいくつかの一般的なベンチマークに関して以前の最先端手法よりも一貫して優れており,異なる知識グラフでよく機能することを示した。詳細な解析は,CGRが推論経路の説明可能かつ説得力のある構成を学習することを示した。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： *視覚 ,  多重化 ,  バイアス ,  ベンチマーク
準シソーラス用語： 被験者 ,  述語 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (3件)： 視覚 ,  グラフ ,  推論