<> "The repository administrator has not yet configured an RDF license."^^ . <> . . "Solving Computer Vision Problems through Self-Supervision and\r\nGenerative Image Synthesis"^^ . "Computer-Vision-Modelle erfordern große Mengen an gelabelten Daten für das Training,\r\nwas fehleranfällig, zeitaufwändig und notoriously schwer zu beschaffen ist. Es\r\nist besonders schwierig, Labels für feinkörnige geometriebasierte Aufgaben wie die\r\nSchätzung der Objektperspektive und die Geometrieschätzung zu erhalten. Das Beschaffen\r\nvon groß angelegten Labels für die Objekterkennung in sich verändernden Betriebsdomänen\r\nist ebenfalls zeitaufwändig. Synthetische Daten sind eine Alternative, weisen\r\njedoch eine erhebliche Domänenlücke im Vergleich zu echten Weltbildern auf, was\r\ndazu führt, dass Modelle auf echten Bildern unterdurchschnittlich abschneiden. Andererseits\r\nist es relativ einfach, große Mengen ungelabelter Bilder einer Objektkategorie\r\naus dem Internet zu gewinnen. Wir versuchen zu beantworten, ob solche ungelabelten\r\nSammlungen von Bildern aus freier Wildbahn erfolgreich genutzt werden können, um\r\nComputer-Vision-Modelle ausschließlich über Selbstüberwachung zu trainieren. Wir\r\nschlagen Methoden vor, um die Schätzung der Objektperspektive, die Objekterkennung,\r\ndie steuerbare Bildgenerierung und die Zerlegung ausschließlich durch Selbstüberwachung\r\nunter Verwendung ungelabelter Bilder in einem Analyse-durch-Synthese-Paradigma zu\r\nerlernen. Für die Schätzung der Objektperspektive nutzen wir ein perspektivbewusstes\r\nBildsynthese-Netzwerk als Form der Selbstüberwachung, um unser Perspektivschätzungsnetzwerk\r\nzu trainieren, indem wir beide Modelle durch Zykluskonsistenz koppeln. Unsere\r\nMethode ist wettbewerbsfähig im Vergleich zu vollständig überwachten Methoden\r\nfür Objekte wie Gesichter, Autos, Busse und Züge. Für die selbstüberwachte Objekterkennung\r\nnutzen wir ein generatives Modell, das die Kontrolle über den 3D-Standort\r\nund die Ausrichtung des synthetisierten Objekts bietet, mit dem wir auch den Begrenzungsrahmen\r\ndes Objekts erhalten. Das synthetisierte Bild und der Begrenzungsrahmen\r\nwerden zur Schulung des Objekterkenners verwendet. Die Genauigkeit der Objekterkennung\r\nzeigt, dass wir vorhandene Baselines erheblich übertreffen und andere auf\r\nsynthetischen Daten basierende Erkennungsmethoden überbieten. Schließlich schlagen\r\nwir eine Methode vor, um die geometrisch gesteuerte Bildgenerierung und Zerlegung unter Verwendung klassenspezifischer ungleichartiger realer Weltbilder und 3D-CADModelle\r\nzu erlernen. Wir modellieren gemeinsam den Vorwärtsprozess der Bildgenerierung\r\nund den inversen Prozess der Bildzerlegung. Wir können äußerst realistische\r\nBilder mit feinkörniger Kontrolle über Form, Erscheinungsbild und Reflexionen generieren.\r\nUnsere Ergebnisse deuten darauf hin, dass Computer-Vision-Aufgaben durch\r\nSelbstüberwachung erlernt werden können und eine Leistung erreichen können, die der\r\nvon überwachten Methoden oder auf synthetischen Daten basierenden Methoden ähnelt."^^ . "2024" . . . . . . . "Siva Karthik"^^ . "Mustikovela"^^ . "Siva Karthik Mustikovela"^^ . . . . . . "Solving Computer Vision Problems through Self-Supervision and\r\nGenerative Image Synthesis (PDF)"^^ . . . "thesis_siva.pdf"^^ . . . "Solving Computer Vision Problems through Self-Supervision and\r\nGenerative Image Synthesis (Other)"^^ . . . . . . "indexcodes.txt"^^ . . . "Solving Computer Vision Problems through Self-Supervision and\r\nGenerative Image Synthesis (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "Solving Computer Vision Problems through Self-Supervision and\r\nGenerative Image Synthesis (Other)"^^ . . . . . . "preview.jpg"^^ . . . "Solving Computer Vision Problems through Self-Supervision and\r\nGenerative Image Synthesis (Other)"^^ . . . . . . "medium.jpg"^^ . . . "Solving Computer Vision Problems through Self-Supervision and\r\nGenerative Image Synthesis (Other)"^^ . . . . . . "small.jpg"^^ . . "HTML Summary of #34806 \n\nSolving Computer Vision Problems through Self-Supervision and \nGenerative Image Synthesis\n\n" . "text/html" . . . "600 Technik, Medizin, angewandte Wissenschaften"@de . "600 Technology (Applied sciences)"@en . .