バランス特性の対応と均一性による少数ショット分類問題の解決 背景と動機 少数ショット学習（Few-Shot Learning, FSL）の目標は、少数の新しいカテゴリ（novel classes）サンプルの条件下で、新しいサンプルを正確に認識することです。既存の少数ショット学習方法は、主に特徴表現とその対応するラベルとの情報を最大化することで、基礎カテゴリ（base classes）から転移可能な知識を学習します。しかし、この方法は「監督の崩壊」（supervision collapse）という問題が発生する可能性があり、基礎カテゴリに対して偏りが生じることがあります。本論文では、データの内在構造を保ち、新しいカテゴリに適した一般化モデルを学習することで、これを解決する方法を提案します。本研...

代替二重教師自己調整学習による弱監督セマンティック画像分割実現 背景紹介 コンピュータビジョンの分野の発展に伴い、セマンティック分割はその中で重要かつ活発な研究方向の一つとなっています。従来のセマンティック分割方法は手動でラベリングされたピクセルレベルのラベルに依存していますが、これらの精密なアノテーションの取得には通常多大な人力と時間コストがかかります。この問題を解決するために、近年、弱監督セマンティック分割（Weakly Supervised Semantic Segmentation, WSSS）が提案され、これは人工アノテーションを最小限に抑えつつ、弱いアノテーション情報（画像ラベル、バウンディングボックス、塗りつぶしなど）を利用して効率的なセマンティック分割を実現することを目指して...