| 講演名 | 2022-12-15 動画ベースの物体中心表現学習を用いた静止画ベースのインスタンスセグメンテーション学習手法 金子 智一(NEC), 坂井 亮介(NEC), 白石 壮馬(NEC), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 混雑環境にある物体の個々の表現を学習, 推論する手法として物体中心表現学習が提案されている. 物体中心表現学習の手法は, 静止画を入力とする静止画ベースの手法と, 動画を入力とする動画ベースの手法に分けられる. 静止画ベースの手法は動きのない物体があっても個々の物体表現を抽出できるが, テクスチャが複雑な物体があると推定精度が低下する. 一方, 動画ベースの手法は動画内の動き領域に着目するため, テクスチャの複雑さに頑健であるが, 動きのない物体は認識できない. 本研究では, 静止画ベースと動画ベースの両方の手法の長所を兼ね備えた物体認識モデルの学習手法を提案する. 提案手法では, 動画ベースの物体中心表現モデルの出力を静止画ベースのモデルに学習させることで, 静止画ベースモデルでありながらテクスチャの複雑さにも頑健なモデルを学習できる. 本研究では, 提案手法をインスタンスセグメンテーションのタスクに適用して, その効果を実験的に示す. |
| 抄録(英) | Object-centric representation learning (OCRL) aims to separate and extract object-wise representations from an image. There are two types of methods: image-based and video-based. The former is applicable to a static scene/image but hardly handles complex textures, while the latter is only applicable to videos yet handles textures better using object motions to separate them. We propose a novel image-based approach capable of handling complex textures in crowded scenes as effectively as video-based methods. Our approach generates pseudo labels by a video-based model on which we train an image-based model. We show its effectiveness on instance segmentation task by experiments. |
| キーワード(和) | 物体中心表現学習 / インスタンスセグメンテーション / 教師無し学習 |
| キーワード(英) | Object-Centric Representation Learning / Instance Segmantation / Unsupervised Learning |
| 資料番号 | PRMU2022-40 |
| 発行日 | 2022-12-08 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2022/12/15(から2日開催) |
| 開催地（和） | 富山国際会議場 |
| 開催地（英） | Toyama International Conference Center |
| テーマ（和） | 制御のためのCV |
| テーマ（英） | |
| 委員長氏名（和） | 内田 誠一(九大) |
| 委員長氏名（英） | Seiichi Uchida(Kyushu Univ.) |
| 副委員長氏名（和） | 舩冨 卓哉(奈良先端大) / 安倍 満(デンソーアイティーラボラトリ) |
| 副委員長氏名（英） | Takuya Funatomi(NAIST) / Mitsuru Anpai(Denso IT Lab.) |
| 幹事氏名（和） | 山口 光太(サイバーエージェント) / 松井 勇佑(東大) |
| 幹事氏名（英） | Kouta Yamaguchi(CyberAgent) / Yusuke Matsui(Univ. of Tokyo) |
| 幹事補佐氏名（和） | 井上 中順(東工大) / 川西 康友(理研) |
| 幹事補佐氏名（英） | Nakamasa Inoue(Tokyo Inst. of Tech.) / Yasutomo Kawanishi(Riken) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 動画ベースの物体中心表現学習を用いた静止画ベースのインスタンスセグメンテーション学習手法 |
| サブタイトル（和） | |
| タイトル（英） | Training Method for Image-based Instance Segmentation by Video-based Object-Centric Representation Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 物体中心表現学習 / Object-Centric Representation Learning |
| キーワード(2)（和/英） | インスタンスセグメンテーション / Instance Segmantation |
| キーワード(3)（和/英） | 教師無し学習 / Unsupervised Learning |
| 第 1 著者 氏名（和/英） | 金子 智一 / Tomokazu Kaneko |
| 第 1 著者 所属（和/英） | 日本電気株式会社(略称：NEC) NEC Corporation(略称：NEC) |
| 第 2 著者 氏名（和/英） | 坂井 亮介 / Ryosuke Sakai |
| 第 2 著者 所属（和/英） | 日本電気株式会社(略称：NEC) NEC Corporation(略称：NEC) |
| 第 3 著者 氏名（和/英） | 白石 壮馬 / Soma Shiraishi |
| 第 3 著者 所属（和/英） | 日本電気株式会社(略称：NEC) NEC Corporation(略称：NEC) |
| 発表年月日 | 2022-12-15 |
| 資料番号 | PRMU2022-40 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | PRMU-314 |
| ページ範囲 | pp.43-48(PRMU), |
| ページ数 | 6 |
| 発行日 | 2022-12-08 (PRMU) |