| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-03-03 10:05 大規模モデルの事後的な同変化とその応用 ○小川功太郎・牧 豊大・本谷秀堅（名工大）  MI2023-35 |
|
| 抄録 | （和） | 本研究ではSwinTransformerにより獲得した画像エンコーダに事後的に回転同変性を付与することによる，大きな回転を伴う位置ずれに対しても動作する剛体位置合わせ法を提案する．DINOやSwinTransformerなど，多量の画像を用いる事前学習により識別やセグメンテーションに有用な潜在表現へと入力画像を変換するエンコーダを獲得する手法が広く採用されている．一方，画像の対称性の検知など画像処理の基本的な性能を実現する上で潜在表現の並進や回転などに対する幾何変換同変性が重要であるとする指摘がなされているが，今日普及している事前学習により獲得される画像表現の多くは一般に変換同変性を有していない．そこで，まず通常のSwinTransformer によりエンコーダを学習したあと，潜在表現を入力として，画像を回転したときに得られる潜在表現を回帰するネットワークを付与することにより回転同変な潜在表現を出力するエンコーダを実現する．その上で潜在表現を剛体位置合わせに応用することにより，回転に対しても安定して動作する剛体位置合わせを実現する． |
| （英） | In this study, we propose a rigid body registration method that works even for spatial deviations that involve large rotations by adding rotational equivariance a posteriori to the image encoder acquired by SwinTransformer. Methods such as DINO and SwinTransformer that acquire encoders that transform input images into latent representations useful for identification and segmentation through pre-learning using a large number of images are widely adopted. On the other hand, it has been pointed out that geometrical transformation equivariance with respect to translation and rotation of latent representations is important in realizing basic ability for image processing such as detecting image symmetry, but many of the image representations obtained through pre-training generally do not have transformation equivariance. We first construct the encoder using SwinTransformer, and then add a module that regresses the latent representation obtained when the image is rotated, thereby constructing an encoder that outputs a rotation-equivariant latent representation. Then, by using the resultant latent representations, we realize rigid registration works stably even under large rotation. | |
| キーワード | （和） | 剛体位置合わせ / 対応点 / 特徴表現 / 回転同変性 / / / / |
| （英） | Rigid registration / Corresponding points / Feature representation / Rotation equivariance / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 411, MI2023-35, pp. 19-20, 2024年3月. | |
| 資料番号 | MI2023-35 | |
| 発行日 | 2024-02-25 (MI) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | MI2023-35 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2024-03-03 - 2024-03-04 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | 医用画像処理一般・メディカルイメージング連合フォーラム |
| テーマ（英） | Medical Imaging, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2024-03-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 大規模モデルの事後的な同変化とその応用 |
| サブタイトル（和） | |
| タイトル（英） | Post-hoc Rotational Equivariantization of Large Scale Neural Network Model and Its Application |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 剛体位置合わせ / Rigid registration |
| キーワード(2)（和/英） | 対応点 / Corresponding points |
| キーワード(3)（和/英） | 特徴表現 / Feature representation |
| キーワード(4)（和/英） | 回転同変性 / Rotation equivariance |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 小川 功太郎 / Kotaro Ogawa / オガワ コウタロウ |
| 第1著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NIT) |
| 第2著者 氏名（和/英/ヨミ） | 牧 豊大 / Toyohiro Maki / マキ トヨヒロ |
| 第2著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NIT) |
| 第3著者 氏名（和/英/ヨミ） | 本谷 秀堅 / Hidekata Hontani / ホンタニ ヒデカタ |
| 第3著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-03 10:05:00 |
| 発表時間 | 12分 |
| 申込先研究会 | MI |
| 資料番号 | MI2023-35 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.411 |
| ページ範囲 | pp.19-20 |
| ページ数 | 2 |
| 発行日 | 2024-02-25 (MI) |
[研究会発表申込システムのトップページに戻る]