論文の概要: Multi-Objective Bayesian Optimisation and Joint Inversion for Active
Sensor Fusion
- arxiv url: http://arxiv.org/abs/2010.05386v1
- Date: Mon, 12 Oct 2020 01:23:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 08:09:47.139414
- Title: Multi-Objective Bayesian Optimisation and Joint Inversion for Active
Sensor Fusion
- Title(参考訳): アクティブセンサ融合のための多目的ベイズ最適化とジョイントインバージョン
- Authors: Sebastian Haan, Fabio Ramos, Dietmar M\"uller
- Abstract要約: 新しい測定値の割当にコストのかかる関数が与えられた場合,多目的最適化と逆問題のためのフレームワークを提案する。
本手法は2次元センサデータと3次元物理特性の多次元前方モデルとを共同で解くために考案された。
本研究では,2次元重力と磁気センサのデータに基づいて,新しいドリルコア測定をどこに配置するかを推奨する。
- 参考スコア(独自算出の注目度): 22.04258832800079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A critical decision process in data acquisition for mineral and energy
resource exploration is how to efficiently combine a variety of sensor types
and to minimize total cost. We propose a probabilistic framework for
multi-objective optimisation and inverse problems given an expensive cost
function for allocating new measurements. This new method is devised to jointly
solve multi-linear forward models of 2D-sensor data and 3D-geophysical
properties using sparse Gaussian Process kernels while taking into account the
cross-variances of different parameters. Multiple optimisation strategies are
tested and evaluated on a set of synthetic and real geophysical data. We
demonstrate the advantages on a specific example of a joint inverse problem,
recommending where to place new drill-core measurements given 2D gravity and
magnetic sensor data, the same approach can be applied to a variety of remote
sensing problems with linear forward models - ranging from constraints limiting
surface access for data acquisition to adaptive multi-sensor positioning.
- Abstract(参考訳): ミネラルおよびエネルギー資源探査のためのデータ取得における決定過程は、様々なセンサータイプを効率的に組み合わせ、総コストを最小化する方法である。
本稿では,多目的最適化と逆問題に対する確率的フレームワークを提案する。
本手法は,2次元センサデータと3次元物理特性の多次元フォワードモデルを,異なるパラメータの交叉分散を考慮したスパースガウスプロセスカーネルを用いて共同で解く。
複数の最適化戦略を, 合成および実測地データを用いて検証し, 評価する。
2次元重力・磁気センサデータによる新しいドリルコアの配置を推奨するジョイント逆問題の具体例では,線形フォワードモデルを用いた様々なリモートセンシング問題に対して,データ取得のための表面アクセス制限から適応型マルチセンサ測位まで,同様のアプローチが適用可能であることを示す。
関連論文リスト
- UniMODE: Unified Monocular 3D Object Detection [76.77182583753051]
我々は,鳥眼視(BEV)検出パラダイムに基づく検出器を構築した。
本稿では,この課題に起因する収束不安定性に対応するために,不均一なBEVグリッド設計を提案する。
統一検出器UniMODEが導出され、挑戦的なOmni3Dデータセットの先行技術を上回る。
論文 参考訳(メタデータ) (2024-02-28T18:59:31Z) - AlignMiF: Geometry-Aligned Multimodal Implicit Field for LiDAR-Camera
Joint Synthesis [98.3959800235485]
近年,複数のモダリティを単一のフィールド内で探索する手法がいくつか存在しており,異なるモダリティから暗黙的な特徴を共有して再現性能を向上させることを目的としている。
本研究では,LiDAR-カメラ共同合成の多モード暗黙的場に関する包括的解析を行い,その根底にある問題はセンサの誤配にあることを示した。
幾何学的に整合した多モード暗黙の場であるAlignMiFを導入し,2つのモジュール,Geometry-Aware Alignment (GAA) とShared Geometry Initialization (SGI)を提案する。
論文 参考訳(メタデータ) (2024-02-27T13:08:47Z) - Efficient Multi-Resolution Fusion for Remote Sensing Data with Label
Uncertainty [0.7832189413179361]
本稿では,画素レベルのトレーニングラベルを必要とせず,マルチモーダル・マルチレゾリューションリモートセンサデータを融合する新しい手法を提案する。
探索空間を削減し,MIMRFフレームワークの効率を大幅に改善する二元ファジィ測度に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2024-02-07T17:34:32Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳(メタデータ) (2023-08-21T13:03:25Z) - Neural Gromov-Wasserstein Optimal Transport [82.05269165407427]
本稿では,Gromov-Wasserstein (GW) Optimal Transport (OT) 問題を内部積コストで解くためのスケーラブルなニューラルネットワーク手法を提案する。
提案手法では,ニューラルネットワークとミニバッチ最適化を用いて,既存の手法の限界を克服する。
論文 参考訳(メタデータ) (2023-03-10T15:21:12Z) - Unsupervised Manifold Alignment with Joint Multidimensional Scaling [4.683612295430957]
2つの異なる領域からのデータセットを共通の低次元ユークリッド空間にマッピングする関節多次元スケーリングを導入する。
本稿では,多次元スケーリング(MDS)とワッサーシュタイン・プロクリスト解析を共同最適化問題に統合する。
提案手法の有効性を,2つのデータセットの同時可視化,教師なし不均一領域適応,グラフマッチング,タンパク質構造アライメントなど,いくつかのアプリケーションで実証した。
論文 参考訳(メタデータ) (2022-07-06T21:02:42Z) - Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic
Uncertainty [58.144520501201995]
ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。
注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。
また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
論文 参考訳(メタデータ) (2021-10-12T22:04:19Z) - GEM: Glare or Gloom, I Can Still See You -- End-to-End Multimodal Object
Detector [11.161639542268015]
厳しい照明条件下での2次元物体検出のためのセンサ対応マルチモーダル融合戦略を提案する。
本ネットワークは,各センサモダリティの測定信頼性をスカラーウェイトとマスクの形で推定する。
提案手法はFLIR-Thermalデータセット上で既存の最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-02-24T14:56:37Z) - Inadequacy of Linear Methods for Minimal Sensor Placement and Feature
Selection in Nonlinear Systems; a New Approach Using Secants [0.0]
一般の非線形逆問題に対するセンサ配置と特徴選択のための新しいデータ駆動手法を提案する。
我々は3つの効率的なグリージーアルゴリズムを開発し、それぞれ異なる種類の堅牢で最小に近い復元保証を提供する。
論文 参考訳(メタデータ) (2021-01-27T01:57:34Z) - Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。
予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。
我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
論文 参考訳(メタデータ) (2019-12-30T20:25:16Z)
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。