Fugu-MT 論文翻訳(概要): Cycle-consistent Generative Adversarial Networks for Neural Style Transfer using data from Chang'E-4

論文の概要: Cycle-consistent Generative Adversarial Networks for Neural Style Transfer using data from Chang'E-4

arxiv url: http://arxiv.org/abs/2011.11627v1
Date: Mon, 23 Nov 2020 18:57:27 GMT
ステータス: 処理完了
システム内更新日: 2022-09-22 02:39:43.225337
Title: Cycle-consistent Generative Adversarial Networks for Neural Style Transfer using data from Chang'E-4
Title（参考訳）: Chang'E-4のデータを用いたニューラルスタイル転送のためのサイクル一貫性のある生成共役ネットワーク
Authors: J. de Curt\'o and R. Duvall
Abstract要約: 我々は、Chang'E-4ミッションの惑星データを扱うためのツールを紹介する。レンダリング画像からのサイクル一貫性を用いたニューラルスタイル転送のためのフレームワークを提案する。
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: Generative Adversarial Networks (GANs) have had tremendous applications in Computer Vision. Yet, in the context of space science and planetary exploration the door is open for major advances. We introduce tools to handle planetary data from the mission Chang'E-4 and present a framework for Neural Style Transfer using Cycle-consistency from rendered images. The experiments are conducted in the context of the Iris Lunar Rover, a nano-rover that will be deployed in lunar terrain in 2021 as the flagship of Carnegie Mellon, being the first unmanned rover of America to be on the Moon.
Abstract（参考訳）: Generative Adversarial Networks (GAN) はコンピュータビジョンに多大な応用をもたらした。しかし、宇宙科学と惑星探査の文脈では、大きな進歩のために扉が開いている。本稿では,Chang'E-4ミッションの惑星データを扱うためのツールを紹介し,レンダリング画像からのサイクル一貫性を用いたニューラルスタイル転送のためのフレームワークを提案する。実験は2021年にカーネギーメロンの旗艦として月面に投入されるナノローバーのアイリス・ルナー・ローバー(Iris Lunar Rover)の文脈で行われ、アメリカ初の無人探査機となった。

関連論文リスト

Atmospheric Transport Modeling of CO$_2$ with Neural Networks [46.26819563674888]
大気中のCO$の分布を大気トレーサー輸送モデルで正確に記述することは、温室効果ガスモニタリングおよび検証支援システムに不可欠である。大きな深層ニューラルネットワークは、大気の3Dモデリングを必要とする気象予報に革命を起こす可能性がある。本研究では,気象予測の最先端として実証された4種類の深層ニューラルネットワークについて検討し,大気トレーサー輸送モデルの有用性について検討した。
論文参考訳（メタデータ） (2024-08-20T17:33:20Z)
ShadowNav: Autonomous Global Localization for Lunar Navigation in Darkness [4.200882007630191]
私たちはシャドウナブ(ShadowNav)を紹介します。これは、暗闇や夜間の運転に焦点を当てた、月上のグローバルなローカライゼーションのための自律的なアプローチです。我々のアプローチでは、ルナークレーターの先端をランドマークとして使用し、検出されたクレーターと検出されたクレーターをオフボードマップ上の既知のクレーターに関連付けるために粒子フィルタリング手法を用いています。アリゾナ州シンダーレイクスにおけるフィールドテストにおいて,Lunarシミュレーション環境とデータ収集における提案手法の有効性を実証した。
論文参考訳（メタデータ） (2024-05-02T18:59:53Z)
LONEStar: The Lunar Flashlight Optical Navigation Experiment [1.263953817943144]
本稿では,LONEStar(Lunar flashlight Optical Navigation Experiment with a Star Tracker)の成果について報告する。 2022年12月に打ち上げられたルナ・フラッシュライト(LF)は、NASAが出資した技術実証ミッションである。 2023年8月から12月にかけて、LONEStarチームは軌道上の光学機器の校正を行った。 LONEStarは、惑星の光学観測のみを使用して、軌道上を公転するヘリオ中心航法の最初のデモンストレーションを行った。
論文参考訳（メタデータ） (2024-01-22T18:38:44Z)
Enabling Astronaut Self-Scheduling using a Robust Advanced Modelling and Scheduling system: an assessment during a Mars analogue mission [44.621922701019336]
アナログ宇宙飛行士の乗組員によるコンピュータ意思決定支援ツールの使用について検討した。提案されたツールはRomieと呼ばれ、Robost Advanced Modelling and Scheduling (RAMS)システムの新しいカテゴリに属している。
論文参考訳（メタデータ） (2023-01-14T21:10:05Z)
A Neural Network Approach for Selecting Track-like Events in Fluorescence Telescope Data [0.0]
本稿では,単純な畳み込みニューラルネットワークを用いて,そのような機器を用いて得られるさまざまなデータから,トラックのような事象を効果的に検出する方法を示す。本稿では,単純な畳み込みニューラルネットワークを用いて,そのような機器を用いて得られるさまざまなデータから,トラックのような事象を効果的に検出する方法を示す。
論文参考訳（メタデータ） (2022-12-07T17:10:55Z)
AstroSLAM: Autonomous Monocular Navigation in the Vicinity of a Celestial Small Body -- Theory and Experiments [13.14201332737947]
我々は、未知の小さな天体の周囲に自律的なオンラインナビゲーションを行うための視覚ベースのソリューションを提案する。 AstroSLAM は GTSAM ライブラリと iSAM2 エンジンを用いることにより, SLAM 問題を段階的に増大する因子グラフとして定式化する。本研究では, 軌道運動の制約を因子グラフに組み込むことで, 宇宙船の相対的な姿勢と小型物体近傍の宇宙船の運動から生じる軌道の予測問題とを関連付ける新しい相対力学因子を考案する。
論文参考訳（メタデータ） (2022-12-01T08:24:21Z)
Traffic4cast at NeurIPS 2021 -- Temporal and Spatial Few-Shot Transfer Learning in Gridded Geo-Spatial Processes [61.16854022482186]
NeurIPS 2019と2020のIARAI Traffic4castコンペティションでは、ニューラルネットワークが将来の交通条件を1時間以内に予測することに成功した。 U-Netsは、この複雑な現実世界の地理空間的プロセスにおいて、関連する特徴を抽出する能力を実証し、勝利したアーキテクチャであることが証明された。コンペティションは2年間で10都市をカバーし、1012以上のGPSプローブデータから収集したデータを提供する。
論文参考訳（メタデータ） (2022-03-31T14:40:01Z)
Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文参考訳（メタデータ） (2021-09-12T12:52:20Z)
First Full-Event Reconstruction from Imaging Atmospheric Cherenkov Telescope Real Data with Deep Learning [55.41644538483948]
チェレンコフ望遠鏡アレイは、地上のガンマ線天文学の未来である。地上で作られた最初のプロトタイプ望遠鏡であるLarge Size Telescope 1は現在、最初の科学データを収集している。我々は、深層畳み込みニューラルネットワークに基づくフルイベント再構築の開発とその実データへの適用を初めて提示する。
論文参考訳（メタデータ） (2021-05-31T12:51:42Z)
Implementation of Artificial Neural Networks for the Nepta-Uranian Interplanetary (NUIP) Mission [0.0]
2030年代初頭には海王星、天王星、木星の間の天体のアライメントが実現し、2つの氷の巨人の周囲で惑星のフライオーバー能力を達成するのに十分な運動量が得られる。 nuipミッションの出発窓のための天王星探査機の打ち上げは2030年1月から2035年1月までであり、ミッションの期間は6年から10年である。提案されたミッションは、フライオーバーを行いながら天王星と海王星のテレメトリデータを収集し、得られたデータを地球に送信してさらなる分析を行う。
論文参考訳（メタデータ） (2021-03-19T13:42:51Z)
TransGAN: Two Transformers Can Make One Strong GAN [111.07699201175919]
我々は、純粋なトランスフォーマーベースのアーキテクチャのみを用いて、完全に畳み込みのないGANテキストを構築できる最初のパイロット研究を行う。バニラGANアーキテクチャはtextbfTransGANと呼ばれ、メモリフレンドリーなトランスフォーマーベースのジェネレータで構成されています。当社の最高のアーキテクチャは、コンボリューションバックボーンに基づく最新のGANと比較して非常に競争力のあるパフォーマンスを実現します。
論文参考訳（メタデータ） (2021-02-14T05:24:48Z)

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。