Fugu-MT 論文翻訳(概要): Filling a theatre in times of corona

論文の概要: Filling a theatre in times of corona

arxiv url: http://arxiv.org/abs/2010.01981v1
Date: Wed, 30 Sep 2020 07:09:29 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 00:12:18.247455
Title: Filling a theatre in times of corona
Title（参考訳）: コロナの時に劇場を満たす
Authors: Danny Blom, Rudi Pendavingh and Frits C.R. Spieksma
Abstract要約: 本稿では,ソーシャル・ディスタンシング・ルールを尊重する劇場ホールの客数を最大化するモデルを提案する。通常のキャパシティの最大40%は単一のショーセッティングに使用でき、アーティストが毎晩2回の連続公演を選ぶ場合の最大70%までである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce an optimization problem posed by the Music Building Eindhoven (MBE) to deal with the economical consequences of the COVID-19 pandemic for theatre halls. We propose a model for maximizing the number of guests in a theatre hall that respects social distancing rules, and is based on trapezoid packings. Computational results show that up to 40% of the normal capacity can be used for a single show setting, and up to 70% in case artists opt for two consecutive performances per evening.
Abstract（参考訳）: 本稿では,劇場ホールにおける新型コロナウイルスパンデミックの経済的影響に対応するため,音楽ビルディング・アイントホーフェン(MBE)による最適化問題を提案する。本研究は, 社会的分散ルールを尊重する劇場ホールの客数を最大化するためのモデルを提案する。計算の結果、通常容量の最大40%が1回のショーで使用でき、アーティストが毎晩2回の連続公演を選ぶ場合、最大70%が使用可能であることが示された。

関連論文リスト

VEDIT: Latent Prediction Architecture For Procedural Video Representation Learning [59.68917139718813]
そこで本研究では,市販の冷凍型ビジュアルエンコーダを用いて,予測および手続き計画において,最先端(SoTA)の性能を達成可能であることを示す。観察されたステップから凍結したクリップレベルの埋め込みを条件付けて、目に見えないステップの動作を予測することで、予測のための堅牢な表現を学習することができる。
論文参考訳（メタデータ） (2024-10-04T14:52:09Z)
EgoPoseFormer: A Simple Baseline for Stereo Egocentric 3D Human Pose Estimation [15.590340765703893]
ステレオ・エゴセントリックな人物ポーズ推定のためのトランスフォーマーモデルであるEgoPoseFormerを提案する。本手法は,ヘッドマウントカメラの自己閉塞性や視野制限(FOV)による関節視認性を克服する主な課題を克服する。本手法をステレオUnrealEgoデータセット上で評価し,従来の手法よりも大幅に優れていたことを示す。
論文参考訳（メタデータ） (2024-03-26T20:02:48Z)
MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training [74.32603591331718]
本稿では,MLMスタイルの音響事前学習において,教師モデルと擬似ラベルを組み込んだ大規模自己教師型学習(MERT)を用いた音響音楽理解モデルを提案する。実験結果から,本モデルでは14曲の楽曲理解タスクを一般化し,性能を向上し,SOTA(State-of-the-art)全体のスコアを達成できることが示唆された。
論文参考訳（メタデータ） (2023-05-31T18:27:43Z)
LION: Implicit Vision Prompt Tuning [95.71880718928439]
ImpLicit vIsion prOmpt tuNing (LION) と呼ばれる効率的な視覚モデルを提案する。 LIONは、様々な複雑なタスクに対して安定したメモリコストを持つ深い暗黙のモデルによって動機付けられている。 LIONによって得られたパフォーマンスは、幅広いデータセットで保証されています。
論文参考訳（メタデータ） (2023-03-17T14:07:55Z)
Burst2Vec: An Adversarial Multi-Task Approach for Predicting Emotion, Age, and Origin from Vocal Bursts [49.31604138034298]
Burst2Vecは、事前訓練された音声表現を使用して、生波形から音響情報をキャプチャする。提案モデルでは,事前抽出した特徴を用いて,ベースラインよりも30%の性能向上を実現している。
論文参考訳（メタデータ） (2022-06-24T18:57:41Z)
Scheduling Virtual Conferences Fairly: Achieving Equitable Participant and Speaker Satisfaction [30.751802638466835]
ほぼすべての会議が、パンデミックによって引き起こされた旅行や社会集会の制限により、仮想モードに移行した。効率性のみを最適化することは、参加者や講演者の個々のユーティリティが極めて不平等な、不公平な仮想会議スケジュールをもたらす可能性があることを示す。本稿では,カンファレンス主催者が効率,参加者の公正性,話者の公正性といったバランスをとるスケジュールを設計できるような共同最適化フレームワークを提案する。
論文参考訳（メタデータ） (2022-04-26T03:54:17Z)
Performance-Efficiency Trade-offs in Unsupervised Pre-training for Speech Recognition [32.61769580342906]
我々は、wav2vec 2.0にフォーカスし、モデルの性能と効率の両方に影響を与えるいくつかのアーキテクチャ設計を定式化します。本稿では,性能と効率の両面で大幅な改善を施した事前学習型モデルアーキテクチャであるSEW(Squeezed and Efficient Wav2vec)を紹介する。
論文参考訳（メタデータ） (2021-09-14T17:58:09Z)
Contrast to Divide: Self-Supervised Pre-Training for Learning with Noisy Labels [12.181548895121685]
C2D(Contrast to Divide)は、機能抽出器を自己監督的に事前訓練するフレームワークである。自己教師付き事前学習を用いることで、既存のLNLアプローチの性能が向上し、ウォームアップステージのノイズレベルへの感受性が大幅に低下する。実際のノイズ設定では、Mini-WebVisionで訓練されたC2Dは、WebVisionとImageNetの検証セットで以前の作業より3%高い精度で優れています。
論文参考訳（メタデータ） (2021-03-25T07:40:51Z)
Audio ALBERT: A Lite BERT for Self-supervised Learning of Audio Representation [51.37980448183019]
本稿では,自己教師型音声表現モデルの簡易版であるAudio ALBERTを提案する。我々は、Audio ALBERTが、下流タスクにおいて、これらの巨大なモデルと競合する性能を達成することができることを示す。探索実験において、潜在表現は、最後の層よりも音素と話者のリッチな情報をエンコードすることがわかった。
論文参考訳（メタデータ） (2020-05-18T10:42:44Z)
Look Closer to Ground Better: Weakly-Supervised Temporal Grounding of Sentence in Video [53.69956349097428]
未トリミングビデオと問合せ文が与えられた場合、我々のゴールは、問合せ文に意味的に対応するビデオ内の時間セグメントをローカライズすることである。本稿では,この問題を粗大な方法で解くための2段階モデルを提案する。
論文参考訳（メタデータ） (2020-01-25T13:07:43Z)

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。