تولید گراف صحنه با استفاده از فرستادن پیام تکراری

تولید گراف صحنه با استفاده از فرستادن پیام تکراری

نوع فایل : word

تعداد صفحات : 30

تعداد کلمات : 7700

مجله : Computer Vision and Pattern Recognition

انتشار : 2017

ترجمه ی متون جدول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : ب نازنین 12

تاریخ انتشار
16 جولای 2020
دسته بندی
تعداد بازدیدها
2354 بازدید
34,500 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:تولید گراف صحنه با استفاده از فرستادن پیام تکراری

  چکیده

 درک یک صحنه‌ی بصری یا ویژوال، فراتر از تشخیص اشیای انفرادی به صورت مجزا است. روابط بین اشیا نیز در بر گیرنده‌ی اطلاعات معنایی غنی در خصوص صحنه است. در این مطالعه، ما به طور صریح، اشیا و روابط آن‌ها را با استفاده از گراف‌های صحنه، که یک ساختار گرافیکی بصری یا ویژوال از تصویر است مدل سازی می‌کنیم. ما یک مدل انتها به انتها را پیشنهاد می‌کنیم که این بازنمود صحنه‌ی ساختار بندی شده و ساختار یافته را از تصویر ورودی تولید می‌کند. این مدل، مسئله‌ی استنباط گراف صحنه را با استفاده از RNN های استاندارد حل کرده و به طور تکراری، پیش بینی‌های آن را از طریق ارسال پیام، بهبود می‌بخشد. مدل استنباط مشترک ما، از علایم و نشانه‌های زمینه‌ای برای انجام پیش بینی‌های بهتر بر روی اشیا و روابط آن‌ها، استفاده می‌کند. آزمایشات نشان می‌دهد که مدل ما به طور معنی داری عملکرد بهتری نسبت به روش‌های قبلی در تولید گراف‌های صحنه با استفاده از مجموعه داده‌های ژنوم ویژوال و استنباط روابط پشتیبانی با مجموعه داده‌ی NYU Depth v2 دارد(تولید گراف صحنه با فرستادن پیام).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Scene Graph Generation by Iterative Message Passing

 

Abstract

Understanding a visual scene goes beyond recognizing individual objects in isolation. Relationships between objects also constitute rich semantic information about the scene. In this work, we explicitly model the objects and their relationships using scene graphs, a visually-grounded graphical structure of an image. We propose a novel endto-end model that generates such structured scene representation from an input image. The model solves the scene graph inference problem using standard RNNs and learns to iteratively improves its predictions via message passing. Our joint inference model can take advantage of contextual cues to make better predictions on objects and their relationships. The experiments show that our model significantly outperforms previous methods on generating scene graphs using Visual Genome dataset and inferring support relations with NYU Depth v2 dataset.

دیدگاهتان را بنویسید