12日前

敵対的クロススケール一貫性追求を用いたクラウドカウンティング

{Xiaokang Yang, Bingbing Ni, Zan Shen, Jianguo Hu, Yi Xu, Minsi Wang}
敵対的クロススケール一貫性追求を用いたクラウドカウンティング
要約

群衆数え上げ(密度推定)は、スケールの大幅な変動、透視変形、深刻な隠蔽現象などにより、コンピュータビジョンにおける困難な課題である。従来の手法は、一般的に以下の2つの問題を抱えている:1)広く採用されているL2回帰損失によって引き起こされるマルチスケールCNNにおけるモデル平均化効果;2)異なるスケールの入力に対する推定結果の不整合性。これらの問題を明示的に解決するため、本研究では「敵対的クロススケール一貫性追求(Adversarial Cross-Scale Consistency Pursuit: ACSCP)」と呼ばれる新たな群衆数え上げ(密度推定)フレームワークを提案する。一方で、入力パッチから密度マップを生成するためのU-net構造のネットワークを設計し、敵対的損失(adversarial loss)を導入することで、解空間を現実的な部分空間に収縮させ、密度マップ推定におけるぼやけ効果を軽減する。他方で、局所的なパッチからの群衆数の合計(小スケール)が、それらの領域の合併全体の総数(大スケール)と一貫性を持つように制約する新たなスケール一貫性正則化項を設計した。これらの損失は統合的な学習スキームにより組み合わされ、両目的間の協調性をさらに探求することで、密度推定性能の向上を図っている。4つのベンチマークにおける広範な実験により、提案手法の革新性および従来手法に対する優れた性能が十分に検証された。

敵対的クロススケール一貫性追求を用いたクラウドカウンティング | 最新論文 | HyperAI超神経