【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilistic Graphics Programs
•
7 likes•9,238 views
2014/1/23に行われたNIPS2013読み会の発表資料です。 論文：V.Mansinghka, T.D,Kulkarni, Y.N.Perov, J.Tenenbaum: Approximate Bayesian Image Interpretation Using Generative Probabilistic Graphics Programs の解説です。
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Viewers also liked
Similar to 【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilistic Graphics Programs
Similar to 【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilistic Graphics Programs (7)
More from Kimikazu Kato
More from Kimikazu Kato (16)
Recently uploaded
Recently uploaded (10)
【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilistic Graphics Programs
- 1. 【論文紹介】 Approximate Bayesian Image Interpretation Using Generative Probabilistic Graphics Programs NIPS 2013 論文読み会 2014/1/23 @東大工学部６号館 加藤公一 @hamukazu シルバーエッグ・テクノロジー株式会社
- 3. 論文 • タイトル：Approximate Bayesian Image Interpretation using Generative Probabilistic Graphics Programs • 著者：V.Mansinghka, T.D,Kulkarni, Y.N.Perov, J.Tenenbaum
- 4. 概要 • 画像認識の新しい手法を提案 • 応用例２例 – CAPTCHAの解析 – 写真から道路の抽出
- 5. 背景 • 「与えられた画像のシーンをシンボリックに記 述する」という問題 • 従来、画像認識を使ったボトムアップのアプ ローチが成功してきた • しかし、ボトムアップアプローチの問題点とし て、精度を上げるには大きなコーパス（学習 データ）が必要
- 7. モデル CAPTCHAの場合の例 Stochastic Scene Generator ≘ ⊻ ≐ ∨≘ ∩ ≉≄ 入力画像 ≓ ⊻ ≐ ∨≓ ∩ 文字の種類、大きさ、位置、回転 角度など Approximate Renderer ≉≒ ⊻ ≦ ∨≓ ∻ ≘ ∩ Stochastic Comparison ≐ ∨≉≄≪≉≒∻ ≘ ∩ ≐ ∨≓ ≪≉≄∩ を求めたい 文字ごとのぼかし、全体のぼかしの 係数
- 8. 計算方法 ≙ ≐ ∨≓ ∩ ≱ ∨≓ ∰ ∻ ≓ ∩ ≐ ∨≘ ∩ ∽ ≙ ≐ ∨ ≘ ∩ ≱ ∨≘ ∰ ∻ ≘ ∩ ∽ ≐ ∨ ≘ ∰ ∩ ≐ ∨≓ ∩ ∽ ≩ ≩ ≩ ≩ ≪ ≪ ≪ ≪ ≪ ≩ ≪ MCMC法（Metropolis-Hastingsアルゴリズム） ⊵ ≐ ∨≉≄≪≦ ∨≓ ∰∻ ≘ ∰∩∻ ≘ ∰∩≐ ∨≓ ∰∩≐ ∨≘ ∰∩≱∨∨≓ ∰∻ ≘ ∰∩ ∡ ∨≓∻ ≘ ∩∩ ⊶ ⊮∨∨≓∻ ≘ ∩ ∡ ∨≓ ∰∻ ≘ ∰∩∩ ∽ ≭≩≮ ∱∻ ≐ ∨≉≄≪≦ ∨≓∻ ≘ ∩∻ ≘ ∩≐ ∨≓ ∩≐ ∨≘ ∩≱∨∨≓∻ ≘ ∩ ∡ ∨≓∰∻ ≘ ∰∩∩ 元画像からある一定の距離にあると仮定してrejection sampling （確率αでaccept） ≐ ∨≉≄≪≦ ∨≓∻ ≘ ∩∻ ≘ ∩ は、画像の差分をもとに計算する
- 9. （復習？） Metropolis-Hastingsアルゴリズム 変数の初期値をランダムに設定 以下を繰り返す 変数S_i, X_jの中から一つ選ぶ 選ばれた変数について、決められた確率分布に応じてサンプリング （そうやって更新したものをX’, S’とする） 確率αでS, XをS’, X’で置き換える。それ以外の場合はS’, X’を捨てる。 （rejection sampling)
- 10. 応用例１：CAPTCHAの解読 • CAPTCHA: ウェブページで登録するときに人 間であることを確認するための、文字画像 • TurboTax, E-Trade, AOLなどのデータを利用 • （わざと）文字の一部が重なっていたりして、 読み取るのが難しい。
- 14. 応用例２：道路抽出 • 画像から道路を抽出したい • 車の自動運転などでの応用を想定 • 実験用データはKITTI Vision Benchmark Suite
- 18. 結論 • レンダラを使った生成モデルで、シーン変数 を正確に予測することができた。 • 2Dのアプリケーション：CAPTCHA、3Dのアプリ ケーション：道路推定、で同じ手法が有効で ある。 • しかし、複雑なモデルな場合にスケールさせ るのは難しい。