Fugu-MT 論文翻訳(概要): Spacetime Autoencoders Using Local Causal States

論文の概要: Spacetime Autoencoders Using Local Causal States

arxiv url: http://arxiv.org/abs/2010.05451v1
Date: Mon, 12 Oct 2020 05:10:26 GMT
ステータス: 処理完了
システム内更新日: 2022-10-08 08:20:37.324683
Title: Spacetime Autoencoders Using Local Causal States
Title（参考訳）: 局所因果状態を用いた時空オートエンコーダ
Authors: Adam Rupe and James P. Crutchfield
Abstract要約: 我々は時空オートエンコーダとして潜在因果状態のフレームを組む。彼らのマルコフ的性質は、潜在空間における力学を定義する。これにより、時空場を予測できる新しい手法が提供される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Local causal states are latent representations that capture organized pattern and structure in complex spatiotemporal systems. We expand their functionality, framing them as spacetime autoencoders. Previously, they were only considered as maps from observable spacetime fields to latent local causal state fields. Here, we show that there is a stochastic decoding that maps back from the latent fields to observable fields. Furthermore, their Markovian properties define a stochastic dynamic in the latent space. Combined with stochastic decoding, this gives a new method for forecasting spacetime fields.
Abstract（参考訳）: 局所因果状態は、複雑な時空間系における組織的パターンと構造を捉える潜在表現である。機能を拡張し、時空オートエンコーダと組み合わせます。以前は、観測可能な時空場から潜在する局所因果状態場への写像としてのみ考慮されていた。ここでは,潜在フィールドから可観測フィールドへバックマップする確率的デコードが存在することを示す。さらに、それらのマルコフ性質は潜在空間における確率力学を定義する。確率的デコーディングと組み合わせることで、時空場を予測するための新しい方法が提供される。

関連論文リスト

A Spatial-Temporal Deformable Attention based Framework for Breast Lesion Detection in Videos [107.96514633713034]
本稿では,STNet という空間的・時間的変形可能なアテンションベースのフレームワークを提案する。我々のSTNetは、局所的な空間的時間的特徴融合を行うために、空間的時間的変形可能なアテンションモジュールを導入している。乳腺病変の超音波画像データセットを用いた実験により,STNetは最先端の検出性能を得ることができた。
論文参考訳（メタデータ） (2023-09-09T07:00:10Z)
ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal Prediction [55.30913411696375]
本稿では,非対称な受容場オートエンコーダ (ARFA) モデルを提案する。エンコーダでは,大域的時間的特徴抽出のための大規模なカーネルモジュールを提案し,デコーダでは局所的時間的再構成のための小さなカーネルモジュールを開発する。降水予測のための大規模レーダエコーデータセットであるRainBenchを構築し,その領域における気象データの不足に対処する。
論文参考訳（メタデータ） (2023-09-01T07:55:53Z)
Grid Cell-Inspired Fragmentation and Recall for Efficient Map Building [29.630483662400444]
本研究では,FARMap(Fragmentation-and-Recall)の概念を大規模空間のマッピングに適用する。エージェントは、空間の仮定に基づくクラスタリングを通じて局所写像を構築することで、マッピング問題を解決する。 FARMapは動物実験で観察された断片化点を再現することを示した。
論文参考訳（メタデータ） (2023-07-11T20:40:19Z)
Learning Sequence Descriptor based on Spatio-Temporal Attention for Visual Place Recognition [16.380948630155476]
ビジュアルプレース認識(VPR)は、クエリフレームと同じ場所に位置するタグ付きデータベースからフレームを取得することを目的としている。ジオリーエイリアスシナリオにおけるVPRのロバスト性を改善するために,シーケンスベースのVPR手法を提案する。我々はスライディングウィンドウを用いて時間的注意範囲を制御し、相対的な位置エンコーディングを用いて異なる特徴間の逐次的関係を構築する。
論文参考訳（メタデータ） (2023-05-19T06:39:10Z)
TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。私たちのコードはGitHubで公開されます。
論文参考訳（メタデータ） (2023-01-05T22:10:16Z)
Local distance preserving auto-encoders using Continuous k-Nearest Neighbours graphs [12.607603625414573]
データ空間から潜在空間へのマッピングにおける局所的な距離を保存する自動エンコーダモデルをいくつか導入する。提案手法は,複数の標準データセットと評価指標にまたがって最先端のパフォーマンスを提供する。
論文参考訳（メタデータ） (2022-06-13T05:38:44Z)
Latent Topology Induction for Understanding Contextualized Representations [84.7918739062235]
本研究では,文脈的埋め込みの表現空間について検討し,大規模言語モデルの隠れトポロジについて考察する。文脈化表現の言語特性を要約した潜在状態のネットワークが存在することを示す。
論文参考訳（メタデータ） (2022-06-03T11:22:48Z)
Convolutional autoencoders for spatially-informed ensemble post-processing [0.0]
本稿では,空間入力場のコンパクトな表現を学習するための畳み込みオートエンコーダを提案する。この空間情報を含む利点は、ドイツの地上局における2m温度予測のケーススタディで示される。
論文参考訳（メタデータ） (2022-04-08T07:30:56Z)
Unsupervised Representation Learning for Time Series with Temporal Neighborhood Coding [8.45908939323268]
非定常時系列に対する一般化可能な表現を学習するための自己教師型フレームワークを提案する。我々のモチベーションは、時系列データの動的性質をモデル化する能力が特に有用である医療分野に起因している。
論文参考訳（メタデータ） (2021-06-01T19:53:24Z)
Evidential Sparsification of Multimodal Latent Spaces in Conditional Variational Autoencoders [63.46738617561255]
訓練された条件付き変分オートエンコーダの離散潜時空間をスパース化する問題を考察する。顕在的理論を用いて、特定の入力条件から直接証拠を受け取る潜在クラスを特定し、そうでないクラスをフィルタリングする。画像生成や人間の行動予測などの多様なタスクの実験により,提案手法の有効性を実証した。
論文参考訳（メタデータ） (2020-10-19T01:27:21Z)
Few-shot Action Recognition with Permutation-invariant Attention [169.61294360056925]
ビデオブロックを符号化するC3Dエンコーダを用いて、短距離アクションパターンをキャプチャする。我々は,空間的・時間的注意モジュールと自然主義的自己スーパービジョンを利用する。提案手法は,HMDB51, UCF101, miniMITデータセット上での最先端技術である。
論文参考訳（メタデータ） (2020-01-12T10:58:09Z)

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。