論文の概要: Predicting the Future is like Completing a Painting!
- arxiv url: http://arxiv.org/abs/2011.04750v1
- Date: Mon, 9 Nov 2020 20:48:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 23:57:50.559988
- Title: Predicting the Future is like Completing a Painting!
- Title(参考訳): 未来予測は絵画を完成させるようなものです!
- Authors: Nadir Maaroufi, Mehdi Najib, Mohamed Bakhouya
- Abstract要約: 本稿では,FM2I ( Image Inpainting) による画像補完に基づく新しい予測手法について紹介する。
精度の面では顕著な成果を上げており、最高のM3予測手法よりも優れています。
- 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: This article is an introductory work towards a larger research framework
relative to Scientific Prediction. It is a mixed between science and philosophy
of science, therefore we can talk about Experimental Philosophy of Science. As
a first result, we introduce a new forecasting method based on image
completion, named Forecasting Method by Image Inpainting (FM2I). In fact, time
series forecasting is transformed into fully images- and signal-based
processing procedures. After transforming a time series data into its
corresponding image, the problem of data forecasting becomes essentially a
problem of image inpainting problem, i.e., completing missing data in the
image. An extensive experimental evaluation is conducted using a large dataset
proposed by the well-known M3-competition. Results show that FM2I represents an
efficient and robust tool for time series forecasting. It has achieved
prominent results in terms of accuracy and outperforms the best M3 forecasting
methods.
- Abstract(参考訳): 本稿は, 科学的予測に対するより大きな研究枠組みに向けた入門研究である。
科学と科学の哲学の混合であり、科学の実験哲学について語ることができる。
まず,画像の完成度に基づく新たな予測手法であるfm2i(image inpainting)を提案する。
実際、時系列予測は完全な画像および信号ベースの処理手順に変換される。
時系列データを対応する画像に変換すると、データ予測の問題は本質的に画像の塗装問題、すなわち画像の欠落したデータを補完する問題となる。
有名なm3-competitionによって提案された大規模データセットを用いて広範な実験評価を行った。
その結果,FM2Iは時系列予測のための効率的かつ堅牢なツールであることがわかった。
精度で顕著な結果が得られ、最高のM3予測法よりも優れています。
関連論文リスト
- Hinge-FM2I: An Approach using Image Inpainting for Interpolating Missing Data in Univariate Time Series [0.0]
時系列予測は、交通管理、電力消費、医療など様々な用途に不可欠である。
データ品質に関する一般的な問題のひとつは、欠落データと呼ばれるデータポイントの欠如である。
本稿では,欠落データを扱う新しい手法であるHinge-FM2Iを提案する。
論文 参考訳(メタデータ) (2024-06-08T17:52:24Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳(メタデータ) (2024-02-02T10:34:13Z) - Exploiting Diffusion Prior for Generalizable Dense Prediction [85.4563592053464]
近年のテキスト・トゥ・イメージ(T2I)拡散モデルでは、既成の高密度予測器では予測できないことがある。
我々は,事前学習したT2Iモデルを用いたパイプラインDMPを,高密度予測タスクの先駆けとして導入する。
限られたドメインのトレーニングデータにもかかわらず、この手法は任意の画像に対して忠実に推定し、既存の最先端のアルゴリズムを超越する。
論文 参考訳(メタデータ) (2023-11-30T18:59:44Z) - HawkI: Homography & Mutual Information Guidance for 3D-free Single Image to Aerial View [67.8213192993001]
本稿では,テキストと模範画像から空中視像を合成するためのHawkeIを提案する。
HawkIは、予め訓練されたテキストから2次元の安定拡散モデルに入力画像からの視覚的特徴をブレンドする。
推測において、HawkeIは、入力画像の意味的詳細を忠実に複製するために生成されたイメージを操るために、ユニークな相互情報ガイダンスの定式化を用いる。
論文 参考訳(メタデータ) (2023-11-27T01:41:25Z) - Investigating Low Data, Confidence Aware Image Prediction on Smooth Repetitive Videos using Gaussian Processes [25.319133815064557]
我々は、非常に少ないトレーニングデータから解釈可能な信頼境界を持つ画像列の将来の画像を予測する問題に焦点をあてる。
逐次予測画像上で確率分布を生成し、時間を通して不確実性を伝播し、予測に対する信頼度を生成する。
衛星画像から歩行者の流れや気象パターンを予測することで,実世界のデータに対するアプローチの能力を実証する。
論文 参考訳(メタデータ) (2023-07-20T22:35:27Z) - T-ADAF: Adaptive Data Augmentation Framework for Image Classification
Network based on Tensor T-product Operator [0.0]
本稿ではテンソルT-Product Operatorに基づくAdaptive Data Augmentation Frameworkを提案する。
1つの画像データを3倍にし、これら3つの画像から結果を得る。
数値実験により、我々のデータ拡張フレームワークは、元のニューラルネットワークモデルの性能を2%向上させることができることが示された。
論文 参考訳(メタデータ) (2023-06-07T08:30:44Z) - Meteorological Satellite Images Prediction Based on Deep Multi-scales
Extrapolation Fusion [5.125401106179782]
気象衛星画像の正確な予測は特に2時間先まで予測することが重要である。
本稿では,現在予測されている問題に対処するため,深層多スケール核融合法を提案する。
FY-4A気象衛星データに基づく実験により,提案手法が現実的な予測画像を生成することを示す。
論文 参考訳(メタデータ) (2022-09-19T16:00:17Z) - Self-Attentive 3D Human Pose and Shape Estimation from Videos [82.63503361008607]
3D人間のポーズと形状推定のためのビデオベースの学習アルゴリズムを紹介します。
ビデオの時間情報を利用して自己着脱モジュールを提案する。
本手法を3DPW, MPI-INF-3DHP, Human3.6Mデータセット上で評価した。
論文 参考訳(メタデータ) (2021-03-26T00:02:19Z) - Learning Accurate Dense Correspondences and When to Trust Them [161.76275845530964]
2つの画像に関連する密度の高い流れ場と、堅牢な画素方向の信頼度マップの推定を目指しています。
フロー予測とその不確実性を共同で学習するフレキシブルな確率的アプローチを開発する。
本手法は,幾何学的マッチングと光フローデータセットに挑戦する最新の結果を得る。
論文 参考訳(メタデータ) (2021-01-05T18:54:11Z) - Visual Time Series Forecasting: An Image-driven Approach [16.57996422431636]
エージェントが決定を下すためには時系列予測が不可欠である。
実践者からインスパイアされた我々は、視覚的な予測を生成する新しいフレームワークを作成することで、このトピックを再想像する。
論文 参考訳(メタデータ) (2020-11-18T02:51:37Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳(メタデータ) (2020-10-05T14:18:52Z)
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。