ハイブリッドモデルは、パターン検出とダンス分類のためにLeViTトランスフォーマーと蒸留技術を統合します

科学分野:

• コンピュータビジョン
• 人工知能
• 文化遺産保存

背景:

• 人工知能（AI）は、文化遺産を含む現代のアプリケーションにとってますます重要になっています。
• 中国のダンスのような伝統芸術の分類は、特有の視覚分析の課題を提示します。
• 既存のコンピュータビジョンモデルは、文化データにおける微妙なパターン認識を強化する必要があります。

研究 の 目的:

• 従来の中国のダンス分類のためのトランスフォーマーベースのモデルを評価すること。
• 機能キャプチャを改善するために、蒸留を備えた軽量Vision Transformer（LeViT）を導入および評価すること。
• LeViTのパフォーマンスを標準のVision Transformer（ViT）および畳み込みニューラルネットワーク（CNN）ベンチマークと比較すること。

主な方法:

• 前処理（ノイズ除去、拡張、コントラスト強化）を伴う3つの伝統的な中国のダンス形式のデータセットを利用しました。
• 蒸留メカニズムを備えた軽量Vision Transformer（LeViT）モデルを実装およびトレーニングしました。
• 教師ありトレーニングと特徴抽出を使用して、LeViTを標準のVision Transformer（ViT）および畳み込みニューラルネットワーク（CNN）モデルと比較しました。

主要な成果: