論文の概要: Deep Neural Network Approach for Annual Luminance Simulations

• arxiv url: http://arxiv.org/abs/2009.09928v1
• Date: Mon, 14 Sep 2020 20:19:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 12:07:21.421084
• Title: Deep Neural Network Approach for Annual Luminance Simulations
• Title（参考訳）: 年次輝度シミュレーションのためのディープニューラルネットワークアプローチ
• Authors: Yue Liu, Alex Colburn, Mehlika Inanici
• Abstract要約: 本稿では,年次輝度に基づく評価をより効率的かつアクセスしやすいデータ駆動型機械学習手法を提案する。 本手法は,所要時間高ダイナミックレンジ画像の限られた数から年次輝度マップを予測することに基づく。 パノラマビューは、複数のビュー方向を研究するために後処理できるため、利用される。
• 参考スコア（独自算出の注目度）: 9.97037917276989
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Annual luminance maps provide meaningful evaluations for occupants' visual comfort, preferences, and perception. However, acquiring long-term luminance maps require labor-intensive and time-consuming simulations or impracticable long-term field measurements. This paper presents a novel data-driven machine learning approach that makes annual luminance-based evaluations more efficient and accessible. The methodology is based on predicting the annual luminance maps from a limited number of point-in-time high dynamic range imagery by utilizing a deep neural network (DNN). Panoramic views are utilized, as they can be post-processed to study multiple view directions. The proposed DNN model can faithfully predict high-quality annual panoramic luminance maps from one of the three options within 30 minutes training time: a) point-in-time luminance imagery spanning 5% of the year, when evenly distributed during daylight hours, b) one-month hourly imagery generated or collected continuously during daylight hours around the equinoxes (8% of the year); or c) 9 days of hourly data collected around the spring equinox, summer and winter solstices (2.5% of the year) all suffice to predict the luminance maps for the rest of the year. The DNN predicted high-quality panoramas are validated against Radiance (RPICT) renderings using a series of quantitative and qualitative metrics. The most efficient predictions are achieved with 9 days of hourly data collected around the spring equinox, summer and winter solstices. The results clearly show that practitioners and researchers can efficiently incorporate long-term luminance-based metrics over multiple view directions into the design and research processes using the proposed DNN workflow.
• Abstract（参考訳）: 年次輝度マップは、居住者の視覚的快適さ、嗜好、知覚に有意義な評価を与える。 しかし、長期輝度マップの取得には、労働集約的かつ時間のかかるシミュレーションや、不可能で長期間のフィールド計測が必要となる。 本稿では,年次輝度に基づく評価をより効率的かつアクセスしやすいデータ駆動型機械学習手法を提案する。 この手法は、ディープニューラルネットワーク(dnn)を利用して、限られた数の高ダイナミックレンジ画像から年間輝度マップを予測することに基づいている。 パノラマビューは、複数のビュー方向を研究するために後処理できるため、利用される。 提案したDNNモデルは,30分以内の3つのオプションのうちの1つから,高品質なパノラマ輝度マップを忠実に予測することができる。 a) 夜間に均等に分布する場合において、その年の5%にまたがる点の輝度画像 b) 同日(年の8%)の日中の間に連続して生成又は収集された1ヶ月の時間的画像 c) 春分,夏期,冬至(年間2.5%)周辺で収集された1時間あたりのデータ(年間2.5%)は,年内の輝度マップの予測に十分である。 DNNは、一連の量的および定性的指標を用いて、高品質なパノラマをRPICTレンダリングに対して検証すると予想した。 最も効率的な予測は、春分、夏、冬至の9日間の1時間あたりのデータ収集によって達成される。 提案したDNNワークフローを用いて,複数方向の長期輝度に基づくメトリクスを設計・研究プロセスに効率的に組み込むことができることを示す。

関連論文リスト

• Manifold Sampling for Differentiable Uncertainty in Radiance Fields [82.17927517146929]
  本稿では,ガウス放射場を明示的かつきめ細かい不確実性推定で学習するための多元的アプローチを提案する。 次回のベクター・ビュー・プランニング・タスクにおける最先端のパフォーマンスを実演する。
  論文  参考訳（メタデータ） (2024-09-19T11:22:20Z)
• SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry, Illumination, and Material Estimation [65.99344783327054]
  本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。 提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。 提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
  論文  参考訳（メタデータ） (2023-11-28T10:36:36Z)
• Blind Dates: Examining the Expression of Temporality in Historical Photographs [57.07335632641355]
  マルチモーダル言語とビジョンモデルであるCLIPのオープンソース実装であるOpenCLIPを用いて、画像の日付を調査する。 我々は1950年から1999年までの39,866枚のグレースケールの歴史的プレス写真を含むtextitDe Boer Scene Detectionデータセットを使用している。 解析の結果、バス、車、猫、犬、そして人々が写っている画像はより正確に年代付けされており、時間的マーカーの存在が示唆されている。
  論文  参考訳（メタデータ） (2023-10-10T13:51:24Z)
• Unified Long-Term Time-Series Forecasting Benchmark [0.6526824510982802]
  本稿では,時系列予測のための包括的データセットを提案する。 多様な動的システムと実生活記録から得られたデータセットのコレクションを組み込んだ。 多様なシナリオにおいて最も効果的なモデルを決定するために、古典的および最先端のモデルを用いて広範なベンチマーク分析を行う。 本研究は,これらのモデルの性能比較を興味深いものにし,モデルの有効性のデータセット依存性を強調した。
  論文  参考訳（メタデータ） (2023-09-27T18:59:00Z)
• Counting Crowds in Bad Weather [68.50690406143173]
  本研究では,悪天候シナリオにおいて,ロバストな群集カウント手法を提案する。 モデルでは,外見のバリエーションが大きいことを考慮し,効果的な特徴と適応的なクエリを学習する。 実験の結果,提案アルゴリズムは,ベンチマークデータセット上で異なる気象条件下での群集のカウントに有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-02T00:00:09Z)
• Understanding of the properties of neural network approaches for transient light curve approximations [37.91290708320157]
  本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。 テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
  論文  参考訳（メタデータ） (2022-09-15T18:00:08Z)
• CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural Representations [77.90883737693325]
  本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。 これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。 さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
  論文  参考訳（メタデータ） (2022-09-02T17:44:50Z)
• SeasonDepth: Cross-Season Monocular Depth Prediction Dataset and Benchmark under Multiple Environments [34.96507991067661]
  本研究では,最初のクロスシーズン単眼深度予測データセットとベンチマークである seasonDepth を紹介する。 提案手法は, 提案手法を用いて, 最先端の代表的オープンソース管理手法と自己監督型深度予測手法について検討する。 長期的な単眼深度予測はいまだに困難であり、我々の研究は、屋外視覚知覚の長期的な堅牢性と一般化に関するさらなる研究を促進することができると信じている。
  論文  参考訳（メタデータ） (2020-11-09T13:24:45Z)
• Convolutional Neural Networks applied to sky images for short-term solar irradiance forecasting [0.0]
  本研究は, 深部畳み込みニューラルネットワークの2～20分間の照度予測への適用に関する予備的な結果を示す。 パリザウ(フランス)で8ヶ月にわたって収集された光度測定とそれに対応する天空画像を用いて,時間分解能を2分間で評価した。
  論文  参考訳（メタデータ） (2020-05-22T15:57:39Z)
• Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
  我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。 夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。 また,NTSP問題に対処するための露出認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-15T18:11:34Z)
• An Integrated Multi-Time-Scale Modeling for Solar Irradiance Forecasting Using Deep Learning [1.52292571922932]
  太陽エネルギーの非定常特性のため、短期的な太陽照度予測は困難である。 日内太陽光のマルチスケール予測のための統一アーキテクチャを提案する。 提案手法は,全試験場の平均RMSEを71.5%削減する。
  論文  参考訳（メタデータ） (2019-05-07T14:40:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。