文献
J-GLOBAL ID:202202265957754476   整理番号:22A0904932

LifelongGlue:連続ニューラルネットワークによる3D再構成のためのキーポイントマッチング【JST・京大機械翻訳】

LifelongGlue: Keypoint matching for 3D reconstruction with continual neural networks
著者 (6件):
資料名:
巻: 195  ページ: Null  発行年: 2022年 
JST資料番号: W0178A  ISSN: 0957-4174  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
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。
人間は絶えず学習過程によって知識を獲得する。彼らは経験を通して学習して,知識を蓄積して,手でタスクを実行するためにそれを採用する。人工知能ベースシステムの主目的は,ヒト脳の連続学習の能力に陥ることである。現在の人工知能ベースの自律システムは,適切に調整され,良く調整され,均質化されたデータに良好に機能している。しかしながら,ほとんどの最先端のシステムに対して,複数のタスクベースのインクリメンタルデータで提示されたとき,性能はサブデュースされる。脳の学習によって動機づけられて,本論文は3D再構成のための画像間のキーポイント連想のための連続的学習ニューラルネットワークであるLifelongGlueを導入した。ビデオまたはシーケンシャル画像からのシーンの3D再構成は,拡張現実感(AR)アプリケーションにおいて不可欠な役割を果たす。キーポイント連想は,複数のビューからシーンの正確な姿勢推定に重要である。開発した方法は,ビデオの逐次フレーム間の関係を考慮しておらず,各ペアのキーポイントを独立に推定する。提案ネットワークは,連続自己および交差注意を通して局所特徴の表現性を増強し,従って,以前に学習された知識を利用することによって,逐次画像間の正確な点マッチングを可能にした。伝統的および以前の深層学習ベースの方法と比較して,著者らの方法論は,挑戦的な屋内および屋外場面における姿勢推定のためのより高い結果を達成した。この方法論の性能を複数のデータセットで検証した。その結果,提案手法は最先端のマッチングアプローチを凌駕し,実質的な改善を得た。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  ニューロコンピュータ 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る