論文の概要: A cortical-inspired sub-Riemannian model for Poggendorff-type visual illusions

• arxiv url: http://arxiv.org/abs/2012.14184v2
• Date: Fri, 29 Jan 2021 06:19:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 10:56:32.601357
• Title: A cortical-inspired sub-Riemannian model for Poggendorff-type visual illusions
• Title（参考訳）: ポグゲンドルフ型視覚錯覚に対する皮質誘発サブリーマンモデル
• Authors: Emre Baspinar and Luca Calatroni and Valentina Franceschi and Dario Prandi
• Abstract要約: We consider Wilson-Cowan-type model for the description of orientation-dependent Poggendorff-like illusions。 数値計算の結果,サブリーマンカーネルを用いることで,数値的な視覚的誤認識や着色型バイアスを再現できることが示唆された。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider Wilson-Cowan-type models for the mathematical description of orientation-dependent Poggendorff-like illusions. Our modelling improves two previously proposed cortical-inspired approaches embedding the sub-Riemannian heat kernel into the neuronal interaction term, in agreement with the intrinsically anisotropic functional architecture of V1 based on both local and lateral connections. For the numerical realisation of both models, we consider standard gradient descent algorithms combined with Fourier-based approaches for the efficient computation of the sub-Laplacian evolution. Our numerical results show that the use of the sub-Riemannian kernel allows to reproduce numerically visual misperceptions and inpainting-type biases in a stronger way in comparison with the previous approaches.
• Abstract（参考訳）: We consider Wilson-Cowan-type model for the mathematical description of orientation-dependent Poggendorff-like illusions。 我々のモデリングは、局所的および側方的接続に基づくV1の本質的な異方性機能的アーキテクチャと一致して、サブリーマン熱核を神経細胞相互作用項に埋め込む2つの提案された皮質刺激によるアプローチを改善した。 両モデルの数値的実現のために, 標準勾配降下アルゴリズムとフーリエに基づく手法を組み合わせることで, サブラプラシアン進化の効率的な計算を行う。 数値計算の結果, サブリーマンカーネルを用いることで, 従来の手法と比較して, 数値的に視覚的誤認識や着色型バイアスを再現できることがわかった。

関連論文リスト

• A Stein Gradient Descent Approach for Doubly Intractable Distributions [5.63014864822787]
  そこで本研究では,2重に抽出可能な分布を推定するために,モンテカルロ・スタイン変分勾配勾配(MC-SVGD)法を提案する。 提案手法は,後続分布に匹敵する推論性能を提供しながら,既存のアルゴリズムよりもかなりの計算ゲインを達成する。
  論文  参考訳（メタデータ） (2024-10-28T13:42:27Z)
• Relative Representations: Topological and Geometric Perspectives [53.88896255693922]
  相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。 相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。 第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
  論文  参考訳（メタデータ） (2024-09-17T08:09:22Z)
• Sparse Inducing Points in Deep Gaussian Processes: Enhancing Modeling with Denoising Diffusion Variational Inference [6.37512592611305]
  深いガウス過程(DGP)では、モデルの後部分布を近似するために誘導点と呼ばれるスパース積分位置が選択される。 後部近似に対する従来の変分推論アプローチは、しばしば大きなバイアスを引き起こす。 本稿では、微分微分方程式(SDE)を用いて誘導変数の後続サンプルを生成するDDVI(Denoising Diffusion Variational Inference)という方法を提案する。
  論文  参考訳（メタデータ） (2024-07-24T06:39:58Z)
• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• On Learning Gaussian Multi-index Models with Gradient Flow [57.170617397894404]
  高次元ガウスデータに対する多次元回帰問題の勾配流について検討する。 低階射影をパラメトリする部分空間よりも、非パラメトリックモデルで低次元リンク関数を無限に高速に学習する2時間スケールのアルゴリズムを考える。
  論文  参考訳（メタデータ） (2023-10-30T17:55:28Z)
• Pseudo-Riemannian Embedding Models for Multi-Relational Graph Representations [4.199844472131922]
  シングルリレー擬リーマングラフ埋め込みモデルをマルチリレーショナルネットワークに一般化する。 生物領域における知識グラフの完成と知識発見の両面での利用を実証する。
  論文  参考訳（メタデータ） (2022-12-02T20:37:30Z)
• Variational Laplace Autoencoders [53.08170674326728]
  変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。 完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。 また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
  論文  参考訳（メタデータ） (2022-11-30T18:59:27Z)
• Riemannian Diffusion Models [11.306081315276089]
  拡散モデルは画像生成と推定のための最新の最先端手法である。 本研究では、連続時間拡散モデルを任意のリーマン多様体に一般化する。 提案手法は,全てのベンチマークにおいて新しい最先端の可能性を実現する。
  論文  参考訳（メタデータ） (2022-08-16T21:18:31Z)
• Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
  本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。 提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
  論文  参考訳（メタデータ） (2022-05-18T17:11:23Z)
• A diffusion-map-based algorithm for gradient computation on manifolds and applications [0.0]
  ユークリッド空間におけるリーマン部分多様体の内部点上で定義される与えられた函数の勾配を回復する。 このアプローチは拡散写像理論において提案されたラプラス・ベルトラミ作用素の推定に基づいている。
  論文  参考訳（メタデータ） (2021-08-16T09:35:22Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。