マガジンのカバー画像

週刊コンピュータービジョン

5
arxivのコンピュータービジョンを週刊でピックアップし、ご紹介します。
運営しているクリエイター

2024年2月の記事一覧

第4号「コンピュータビジョンの深層学習ベース化」

Control Color: Multimodal Diffusion-based Interactive Image Colorization 画像に色のヒントを与えて着色するための拡散モデルです。 どんなもの?: 高度に制御可能な対話式画像着色手法であり、無条件および条件付き画像着色を支援し、色溢れや不正確な着色を解決します。 先行研究と比べてどこがすごい?: 複数の条件(テキストプロンプト、ストローク、サンプル画像)を統一フレームワークで扱い、色溢れと不正確な着

特別号「構成画像検索(Composed Image Retrieval)」

はじめに: 構成画像検索とは構成画像検索とは、画像とクエリ(テキスト)を使って画像を検索することです。例えば、魚の画像と「折り紙」というワードで画像を検索すれば入力した魚に近い折り紙の画像を検索できます。 従来のよくある全部の画像の埋め込みベクトルを事前に計算しコサイン類似度で画像検索するというやり方だと、入力画像との類似画像しか検索できないという問題やクエリを追加して柔軟に検索することができないという問題に対処するのが構成画像検索ともいえるでしょう。 最近の構成画像検索

第3号「セマンティックセグメンテーションの高精度化」

Exploring Simple Open-Vocabulary Semantic Segmentationどんなものか: 「S-Seg」は、画像の各ピクセルに意味的なラベルを割り当てるためのモデルで、任意の開放型語彙テキストセットから学習します。このモデルは、手動でアノテートされたセグメンテーションマスクや大規模な事前トレーニングを必要としません。 先行研究と比べてどこがすごいか: 既存の手法では、画像レベルのモデルや手動でアノテートされたマスクに依存することが多いです