- …
- …
#656
summarized by : Anonymous
どんな論文か？
属性とオブジェクトには様々な構成が存在する．この構成的性質をモデル化するためには，結合や分離といった変換を通じて学習されることが推奨される．本論文では，これまで提案されていなかった，属性オブジェクト変換の原則である対称性を取り入れたフレームワークを提案．
新規性
対称性の原則を取り入れ，群論から着想を得た変換フレームワークSymNetを実装．また属性の変化を利用して属性を分類する，Relative Moving Distance (RMD)ベースの認識手法を提案し，その有効性を示す．
結果
63440枚の画像においてオブジェクトと属性の組み合わせが1262種類のあるデータセットのMIT-Statesと靴の種類と素材のペアをアノテーションしたデータセットのUT-Zappos50Kを実験に使用．本提案手法の対称性学習は，ゼロショットタスクに利用できることを確認し，広く使われるベンチマークで精度を上回った．
その他（なぜ通ったか？等）
- …
- …