近年,人工知能の発展に伴い,姿勢推定は人間のみならず動物に対しても応用が期待されている.しかしながら,動物を対象としたデータセットは限定的であり,アノテーション作業の高コストが実運用の障壁となっている.本研究では,人間の姿勢推定に関して豊富に存在する学習済みモデルを活用し,Task Arithmetics によるタスク編集を通じて,少量の動物データに対する姿勢推定モデルを構築する手法を検討した.具体的には,人間・動物それぞれの関節点推定タスクに基づき差分ベクトルを作成し,それを減算操作として適用することで,少数サンプル領域における知識応用の可能性を検証した.その結果,小さな学習率で学習を行うことで Task Arithmetics の有効性が高まることが示唆され,またアノテーションポリシーの違いは精度に大きな影響を与えないことが確認された.
Building similarity graph...
Analyzing shared references across papers
Loading...
Harunobu ARIGA
Yuki Shinomiya
Journal of Japan Society for Fuzzy Theory and Intelligent Informatics
Shizuoka Institute of Science and Technology
Building similarity graph...
Analyzing shared references across papers
Loading...
ARIGA et al. (Sat,) studied this question.
www.synapsesocial.com/papers/69a7611ec6e9836116a2ebc5 — DOI: https://doi.org/10.3156/jsoft.38.1_573