【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
7. Spam Detection
セッション発表1行要約
● Bimodal Distribution and Co-Bursting in Review Spam Detection
– レビュースパム(ステマ)を対象。レビュー間隔の特徴的分布、
スパマー同士で同じ商品群にレビューしている等の現象を活用
● Detecting Collusive Spamming Activities in Community Question Answering
– QA サイトにおける、クラウドソーシングで結託するスパマーらによるステマを
対象。不正 QA 群の特徴分析に基き高性能化・早期発見を実現
● FLOCK: Combating Astroturfing on Livestreaming Platforms
– ストリーミングサービスにおける不正な視聴数等の水増しを対象。
視聴数を精緻にモデル化し、モデルとの乖離から不正番組/ユーザを推定
● Can You Spot the Fakes? On the Limitations of User Feedback in Online
Social Networks
– LinkedIn の不正アカウントを対象。ユーザからのスパム reporting ability をモ
デル化、実データでの検証を通じユーザからの発見の難しさを議論
7
もう少し詳しく
取り上げます!
8. Bimodal Distribution and Co-Bursting in Review Spam Detection
目的: レビュースパムの検出
● ステマ問題は万国共通
– レビュー情報はユーザ購買判断の強力な材料
– レビュースパム = 偽レビューを特定の製品・サービスに書
き込んで評価をこっそり上げる/下げる行為が横行
●
– 偽レビューに現れる2つの特徴的現象を発見
i. レビュー時間間隔を取ると二峰性(bimodal)になり、
スパム・否スパムで形状が大きく異なる
ii. 同じ商品(群)へ短時間で同時にレビュー(co-bursting)
– 上記特徴を踏まえて HMM を拡張したモデルを提案
8
アイディア・貢献
9. Bimodal Distribution and Co-Bursting in Review Spam Detection
現象1: レビュー間隔分布の異なり
9
レビュー数
同一ユーザの前回のレビューからの間隔(※対数)
前投稿から 〜数分
まとめてレビュー
書くモード
前投稿から 数時間〜
久々にレビュー
書くモード
すごくあやしい
あや
しい
● 二峰性であることに
基づき、ユーザ状態
を active/inactive の
2種類でモデル化
spam/ham
active state
間隔
Labeled HMM を提案
(階層ベイズ的なイメージか)
10. ● ユーザ状態を
co-bursting mode
(0/1) の2種類でモデ
ル化
● Labeled HMM に
統合
Bimodal Distribution and Co-Bursting in Review Spam Detection
現象2: 短時間窓内の同時レビュー
10
co-bursting
突如ある日に
同時に書きまくる
spam/ham
active state
間隔
co-burst mode
co-burst signal
Coupled HMM を提案
(signal は時間窓内の同時レ
ビュー数等の6つのmetrics)
11. Bimodal Distribution and Co-Bursting in Review Spam Detection
性能評価@中国のレストランレビューサイト
11
★ Recall: スパム網羅率, Precision: スパム指摘の精度, F1: R, P の調和平均
いずれも高いほどうれしい
従来 提案
co-bursting
のみ
両方
bimodal のみ