CLIP 스타일 프롬프트를 사용한 의미론적 분할에서의 영역 일반화

Q: 이 논문에서 정의한 영역 일반화란 무엇인가?

영역 일반화는 소스 영역 데이터 집합만을 사용하여 학습함으로써, 모델이 학습 중에 보지 못하는 새로운 환경의 타겟 영역 데이터에 대해서도 강건한 일반화 성능을 갖도록 하는 딥러닝 방법론이다. 이는 실제 세계의 다양한 데이터 분포에 적응할 수 있는 모델을 만드는 것을 목표로 한다.

Q: CLIP 스타일 프롬프트를 활용한 의미론적 분할의 영역 일반화 방법은 무엇인가?

연구 결과, 본 논문에서는 학습 가능한 벡터로 다양한 스타일 프롬프트를 생성하고, 이를 통해 입력 이미지에 프롬프트 기반 인스턴스 정규화를 적용하여 특징 맵을 증강한다. 이 증강된 특징 맵으로 모델을 미세조정함으로써, 타겟 영역 정보 없이도 다양한 날씨 환경에 강건한 의미론적 분할 모델을 구축한다.

서정현; 김성식; 송승헌; 이재구

학술대회자료

저자정보: 서정현 (국민대학교) 김성식 (국민대학교) 송승헌 (국민대학교) 이재구 (국민대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2024 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

딥러닝 모델이 학습 중에 보지 못하는 새로운 환경에 대한 일반화 능력을 갖도록 하는 영역 일반화는 컴퓨터 비전의 주요 연구 중 하나이다. 영역 일반화는 날씨와 같은 환경 변화가 빈번한 도로주행에서의 의미론적 분할 과업에서 특히 중요하다. 우 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료