Offset equivariant networks and their applications

要約

本論文では、オフセット等価ネットワーク、すなわち、入力の一様な増分を出力に保存するニューラルネットワークの設計と実装のためのフレームワークを提示する。この種のネットワークは、適切な色空間において、照明条件の変化を特徴付ける光度変換に対して等変性を達成する。我々はこのフレームワークを3つの異なる問題、すなわち画像認識、照度推定、画像内彩色で検証した。その結果，オフセット等価ネットワークの性能は，通常のデータに対して，従来のネットワークと同程度であることがわかった．しかし、従来のネットワークとは異なり、照度が変化した場合にも、等変量ネットワークは一貫して良好な振る舞いをすることがわかった。

要約(オリジナル)

In this paper we present a framework for the design and implementation of offset equivariant networks, that is, neural networks that preserve in their output uniform increments in the input. In a suitable color space this kind of networks achieves equivariance with respect to the photometric transformations that characterize changes in the lighting conditions. We verified the framework on three different problems: image recognition, illuminant estimation, and image inpainting. Our experiments show that the performance of offset equivariant networks are comparable to those in the state of the art on regular data. Differently from conventional networks, however, equivariant networks do behave consistently well when the color of the illuminant changes.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL