ترجمه فارسی مقاله MANGO: منیفولدهای تغییر شکل تصویر جدا شده با اپراتورهای گروه بندی شده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی MANGO: Disentangled Image Transformation Manifolds with Grouped Operators
عنوان مقاله به فارسی MANGO: منیفولدهای تغییر شکل تصویر جدا شده با اپراتورهای گروه بندی شده
نویسندگان Brighton Ancelin, Yenho Chen, Peimeng Guan, Chiraag Kaushik, Belen Martin-Urcelay, Alex Saad-Falcon, Nakul Singh
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش تصویر و فیلم , دید رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 14 September, 2024; originally announced September 2024. , Comments: Submitted to IEEE ICASSP 2025. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible , ACM Class: I.2.6; I.4.2; I.4.7; I.4.10; I.5.1
توضیحات به فارسی ارسال شده در 14 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: ارسال شده به IEEE ICASSP 2025. این کار برای انتشار احتمالی به IEEE ارسال شده است.کپی رایت ممکن است بدون اطلاع قبلی منتقل شود ، پس از آن ممکن است این نسخه دیگر در دسترس نباشد ، کلاس ACM: I.2.6 ؛I.4.2 ؛I.4.7 ؛I.4.10 ؛I.5.1
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Learning semantically meaningful image transformations (i.e. rotation, thickness, blur) directly from examples can be a challenging task. Recently, the Manifold Autoencoder (MAE) proposed using a set of Lie group operators to learn image transformations directly from examples. However, this approach has limitations, as the learned operators are not guaranteed to be disentangled and the training routine is prohibitively expensive when scaling up the model. To address these limitations, we propose MANGO (transformation Manifolds with Grouped Operators) for learning disentangled operators that describe image transformations in distinct latent subspaces. Moreover, our approach allows practitioners the ability to define which transformations they aim to model, thus improving the semantic meaning of the learned operators. Through our experiments, we demonstrate that MANGO enables composition of image transformations and introduces a one-phase training routine that leads to a 100x speedup over prior works.

چکیده به فارسی (ترجمه ماشینی)

یادگیری تحولات تصویر معنایی معنی دار (یعنی چرخش ، ضخامت ، تاری) به طور مستقیم از مثالها می تواند یک کار چالش برانگیز باشد.به تازگی ، Autoencoder Manifold (MAE) با استفاده از مجموعه ای از اپراتورهای گروه Lie برای یادگیری تحولات تصویر به طور مستقیم از مثالها پیشنهاد شده است.با این حال ، این رویکرد محدودیت هایی دارد ، زیرا اپراتورهای آموخته تضمین نمی شوند که از هم جدا شوند و روال آموزش هنگام مقیاس بندی مدل بسیار گران است.برای پرداختن به این محدودیت ها ، ما انبه (مانیفولد های تحول با اپراتورهای گروهی) را برای یادگیری اپراتورهای جدا شده که توصیف تحولات تصویر در زیر مجموعه های نهفته متمایز را پیشنهاد می کنیم ، پیشنهاد می کنیم.علاوه بر این ، رویکرد ما به پزشکان این امکان را می دهد تا تعریف کنند که کدام تحولات را برای الگوبرداری تعریف می کنند ، بنابراین معنای معنایی اپراتورهای آموخته را بهبود می بخشد.از طریق آزمایشات ما ، ما نشان می دهیم که انبه ترکیب تحولات تصویر را امکان پذیر می کند و یک روال آموزش یک فاز را معرفی می کند که منجر به سرعت 100 برابر نسبت به کارهای قبلی می شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.