文献

J-GLOBAL ID：202202298247304869   整理番号：22A1101355

街路シーンセグメンテーションのための複雑なシーンをシミュレートする学習【JST・京大機械翻訳】

Learning to Simulate Complex Scenes for Street Scene Segmentation

著者 (3件)： Xue Zhenfeng (State Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China) ,  Mao Weijie (State Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China) ,  Zheng Liang (Research School of Computer Science, Australian National University, Canberra, Australian Capital Territory, Australia)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 24  ページ： 1253-1265  発行年： 2022年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  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： Unityのようなデータシミュレーションエンジンは,グランドトルースラベルを簡便に取得することを可能にする,ますます重要なデータソースになっている。さらに,オブジェクト(位置,方向)および環境(照明,オクルージョン)のようなエンジンにおける画像のコンテンツを柔軟に編集できる。訓練セットとしてシミュレーションデータを使用するとき,その編集可能コンテンツは,実世界データの分布を模倣するために活用することができて,このように,合成と現実のドメインの間のコンテンツ差異を減少した。本論文では,意味セグメンテーションの文脈におけるコンテンツ適応を検討し,そこでは,複雑な街路シーンを,最初の人運転者の視点から19クラスの仮想オブジェクトを用いて完全に合成し,23の属性によって制御した。属性値を最適化し,実世界データに対する類似コンテンツの訓練セットを得るために,スケーラブル離散化-緩和(SDR)アプローチを提案した。強化学習フレームワークの下で,ニューラルネットワークを用いてランダム最適化マッピング問題として属性最適化を定式化した。著者らの方法は,3つの特性を持った。1)個々のオブジェクトの編集属性の代わりに,オブジェクト密度と照明のようなシーン構造に大きな影響を持つ大域的属性に焦点を当てた。2)属性は,探索空間と訓練複雑性を減らすために,離散値に量子化される。3)相関属性は,意味のない情景構造を避けて,より良い収束点を見つけるように,グループで共同で最適化される。実験は,このシステムが合理的で有用なシーンを生成でき,そこから既存の合成訓練セットと比較して有望な実世界セグメンテーション精度が得られることを示した。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： 最適化 ,  シミュレーション ,  量子化 ,  *セグメンテーション ,  照明 ,  ニューラルネットワーク ,  画像 ,  緩和現象 ,  文脈 ,  定式化 ,  強化学習 ,  コンテンツ ,  オクルージョン
準シソーラス用語： 離散化 ,  グランドトゥルース , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 街路 ,  シーンセグメンテーション ,  シーン ,  学習