HyperAIHyperAI

Command Palette

Search for a command to run...

UDA-COPE: التكيف غير المشرف بين المجالات لتقدير وضعية الأشياء على مستوى الفئة

Taeyeop Lee Byeong-Uk Lee Inkyu Shin Jaesung Choe Ukcheol Shin In So Kweon Kuk-Jin Yoon

الملخص

تعلم تقدير وضعية الأجسام غالباً ما يتطلب ملصقات الحقيقة الأرضية (GT)، مثل نموذج CAD ووضعية الجسم على المقياس المطلق، والتي تكون باهظة الثمن ومجهدة للحصول عليها في العالم الحقيقي. لحل هذه المشكلة، نقترح تكيفًا غير مشرف بين المجالات (UDA) لتقدير وضعية الأجسام على مستوى الفئة، يُطلق عليه UDA-COPE. مستوحى من التقنيات الحديثة للتكيف بين المجالات متعددة الأوضاع، يستخدم الطريقة المقترحة مخطط تعلم ذاتي بين معلم وتلميذ لتدريب شبكة تقدير الوضعية دون استخدام ملصقات الوضعية في مجال الهدف. كما نقدم طريقة تصفية ثنائية الاتجاه بين خريطة الإحداثيات الطبيعية للأجسام (NOCS) المتوقعة والسحابة النقطية المراقبة، ليس فقط لجعل شبكتنا للمعلم أكثر صلابة أمام مجال الهدف ولكن أيضاً لتوفير ملصقات زائفة أكثر ثقة لتدريب شبكة التلميذ. أظهرت النتائج التجريبية الواسعة فعالية الطريقة المقترحة كمياً ونوعياً. وبشكل لافت للنظر، بدون الاستفادة من ملصقات الحقيقة الأرضية لمجال الهدف، حققت طريقتنا المقترحة أداءً مشابهاً أو أفضل أحياناً من الأساليب الموجودة التي تعتمد على هذه الملصقات.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp