ロビン：実世界の分布外シフトにおける個々の迷惑に対するロバスト性のベンチマーク
ROBIN : A Benchmark for Robustness to Individual Nuisancesin Real-World Out-of-Distribution Shifts 実際のシナリオで堅牢性を強化することは、非常に困難であることが証明されています。 1つの理由は、既存のロバストネスベンチマークは、合成データに依存するか、データセット間の一般化としてロバスト性を測定するだけであり、したがって個々の迷惑要因の影響を無視するため、制限されているためです。この作業では、実世界の画像の個々の妨害に対する視覚アルゴリズムの堅牢性を診断するためのベンチマークデータセットであるROBINを紹介します。 ROBINは、PASCAL VOC 2012およびImageNetデータセットの10の厳密なカテゴリに基づいて構築されており、オブジェクトの3Dポーズ、形状、テクスチャ、コンテ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2404.14634v2
https://arxiv-check-250201.firebaseapp.com/each/2404.14634v1
https://arxiv-check-250201.firebaseapp.com/each/2306.08103v4
https://arxiv-check-250201.firebaseapp.com/each/2403.14973v1
https://arxiv-check-250201.firebaseapp.com/each/2306.08103v3
https://arxiv-check-250201.firebaseapp.com/each/2401.10848v1
https://arxiv-check-250201.firebaseapp.com/each/2311.12043v1
OOD-CV-v2: 自然画像における個々の迷惑行為の分布外シフトに対する堅牢性の拡張ベンチマーク
https://arxiv-check-250201.firebaseapp.com/each/2306.08103v2
合成データからの堅牢なカテゴリレベルの 3D 姿勢推定
識別的なレンダリングと比較による堅牢な 3D 対応オブジェクト分類
OOD-CV-v2: 自然画像における個々の迷惑行為の分布外シフトに対するロバスト性の拡張ベンチマーク
ドメイン一般化のための不確実な特徴表現のモデル化
VL4Pose: 姿勢推定のための分布外検出による能動学習
自己監視3D人間ポーズ推定のための不確実性を意識した適応
OOD-CV：自然画像における個々の妨害の分布外シフトに対するロバスト性のベンチマーク
3Dポーズの半教師あり少数ショット学習のためのニューラルビュー合成とマッチング
分布外のポーズと深度、および分布内のセグメンテーション トレーニングを使用した関節鏡検査からの 3D セマンティック マッピング
不確実性を伴うディープローテーション学習のためのSO（3）に対する信念のスムーズな表現