Differentiable data augmentation with Kornia
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/340744
Tipus de documentText en actes de congrés
Data publicació2020
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
In this paper we present a review of the Kornia differentiable data augmentation (DDA) module for both for spatial (2D) and volumetric (3D) tensors. This module leverages differentiable computer vision solutions from Kornia, with an aim of integrating data augmentation (DA) pipelines and strategies to existing PyTorch components (e.g. autograd for differentiability, optim for optimization). In addition, we provide a benchmark comparing different DA frameworks and a short review for a number of approaches that make use of Kornia DDA.
CitacióShi, J. [et al.]. Differentiable data augmentation with Kornia. A: Workshop on Differentiable Vision, Graphics, and Physics Applied to Machine Learning (DiffCVGP). "The proceedings of the 1st Workshop on Differentiable Vision, Graphics, and Physics Applied to Machine Learning (DiffCVGP)". 2020, p. 1-5.
Versió de l'editorhttps://montrealrobotics.ca/diffcvgp/assets/papers/8.pdf
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
8.pdf | 530,7Kb | Visualitza/Obre |