綱島 秀樹, 邱 玥, 片岡 裕雄, 森島 繁生

Object-oriented Representation Learningの実世界データ適用に向けた最新手法の性能分析

Visual Computing 2020 - Poster

http://cgvi.jp/vc2020/

연주곡

Object-oriented Representation Learning (OORL) において、前景背景分離を行う分野が近年研究されており、強化学習やロボットアームの把持タスクといった下流タスクへの適用が期待されている。しかしながら、OORLの最先端手法であるSPACEは簡単なトイデータでは前景背景分離を行えるが、実世界データにおいては前景背景分離が行えない。そこで、我々は様々なデータセットを作成し、SPACEの解ける問題解けない問題を明らかにしてOORLの実世界データへの適用に必要な事項を議論する。

스마트폰 백업 스트림 Download Okiga's Fun Trip Chrome beta