論文の概要: Wasserstein K-Means for Clustering Tomographic Projections

• arxiv url: http://arxiv.org/abs/2010.09989v1
• Date: Tue, 20 Oct 2020 03:28:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 07:40:35.295661
• Title: Wasserstein K-Means for Clustering Tomographic Projections
• Title（参考訳）: クラスタリングトモグラフィ投影のためのWasserstein K-Means
• Authors: Rohan Rao, Amit Moscovich, Amit Singer
• Abstract要約: 画像に対する回転不変ワッサーシュタイン計量に基づくk-meansアルゴリズムを提案する。 高速線形時間近似(英語版)(Wasserstein-1 metric)、またはアースモーバー距離(Earthmover's distance)を用いることにより、計算オーバーヘッドはほとんどない。
• 参考スコア（独自算出の注目度）: 6.878995336760916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motivated by the 2D class averaging problem in single-particle cryo-electron microscopy (cryo-EM), we present a k-means algorithm based on a rotationally-invariant Wasserstein metric for images. Unlike existing methods that are based on Euclidean ($L_2$) distances, we prove that the Wasserstein metric better accommodates for the out-of-plane angular differences between different particle views. We demonstrate on a synthetic dataset that our method gives superior results compared to an $L_2$ baseline. Furthermore, there is little computational overhead, thanks to the use of a fast linear-time approximation to the Wasserstein-1 metric, also known as the Earthmover's distance.
• Abstract（参考訳）: 単粒子核電子顕微鏡(cryo-em)における2次元平均化問題に動機づけられ,画像の回転不変ワッサースタイン計量に基づくk平均法を提案する。 ユークリッド(L_2$)距離に基づく既存の方法とは異なり、ワッサーシュタイン計量は異なる粒子ビュー間の平面外角差に適合することが証明されている。 本手法は合成データセットにおいて,$l_2$のベースラインと比較して優れた結果が得られることを示す。 さらに、アースモーバー距離(earthmover's distance)として知られるwasserstein-1メトリックの高速線形時間近似を用いることで、計算オーバーヘッドがほとんどなくなる。

関連論文リスト

• Relative-Translation Invariant Wasserstein Distance [82.6068808353647]
  距離の新しい族、相対翻訳不変ワッサーシュタイン距離(RW_p$)を導入する。 我々は、$RW_p 距離もまた、分布変換に不変な商集合 $mathcalP_p(mathbbRn)/sim$ 上で定義される実距離測度であることを示す。
  論文  参考訳（メタデータ） (2024-09-04T03:41:44Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• Efficient Graph Field Integrators Meet Point Clouds [59.27295475120132]
  点雲を符号化するグラフ上での効率的な場積分のためのアルゴリズムを2種類提案する。 第1のクラスであるSeparatorFactorization(SF)は、ポイントメッシュグラフの有界属を利用するが、第2のクラスであるRFDiffusion(RFD)は、ポイントクラウドの一般的なepsilon-nearest-neighborグラフ表現を使用する。
  論文  参考訳（メタデータ） (2023-02-02T08:33:36Z)
• Learning High Dimensional Wasserstein Geodesics [55.086626708837635]
  高次元の2つの確率分布の間のワッサーシュタイン測地線を計算するための新しい定式化と学習戦略を提案する。 ラグランジュ乗算器の手法を最適輸送(OT)問題の動的定式化に適用することにより、サドル点がワッサーシュタイン測地線であるミニマックス問題を導出する。 次に、深層ニューラルネットワークによる関数のパラメータ化を行い、トレーニングのためのサンプルベースの双方向学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2021-02-05T04:25:28Z)
• Continuous Wasserstein-2 Barycenter Estimation without Minimax Optimization [94.18714844247766]
  ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。 本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-02T21:01:13Z)
• Two-sample Test using Projected Wasserstein Distance [18.46110328123008]
  統計学と機械学習の基本的な問題である2サンプルテストのための予測されたワッサースタイン距離を開発する。 重要な貢献は、投影された確率分布の間のワッサーシュタイン距離を最大化する低次元線型写像を見つけるために最適射影を結合することである。
  論文  参考訳（メタデータ） (2020-10-22T18:08:58Z)
• When OT meets MoM: Robust estimation of Wasserstein Distance [8.812837829361923]
  本稿では,2つの確率分布間のワッサーシュタイン距離を,観測結果が外れ値によって汚染されると推定する問題を考察する。 データ汚染モデルに基づいて, 一貫性を検証した新しいMoMベースのロバスト推定器について紹介し, 議論する。 そこで本研究では,シンクホーンアルゴリズムと組み合わせて使用可能な,シンプルなMoMに基づく再重み付け手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T07:31:39Z)
• The Equivalence of Fourier-based and Wasserstein Metrics on Imaging Problems [1.1744028458220426]
  フーリエ型確率尺度のクラスの拡張特性について検討する。 画像処理のベンチマーク問題では、FourierメトリクスはWassersteinメトリクスよりも優れたランタイムを提供する。
  論文  参考訳（メタデータ） (2020-05-13T19:01:00Z)
• Wasserstein Exponential Kernels [13.136143245702915]
  正規化ワッサーシュタイン距離によって定義される指数核の利用について検討する。 我々は、ワッサーシュタイン二乗指数核が、小さなトレーニングセットの形状に対してより小さな分類誤差をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-02-05T17:31:56Z)

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。