論文の概要: Symmetric Monoidal Categories with Attributes

• arxiv url: http://arxiv.org/abs/2101.10480v1
• Date: Tue, 26 Jan 2021 00:01:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-13 19:45:21.237157
• Title: Symmetric Monoidal Categories with Attributes
• Title（参考訳）: 属性を持つ対称モノイド圏
• Authors: Spencer Breiner (National Institute of Standards and Technology), John S. Nolan (University of Maryland)
• Abstract要約: 我々は計画のための既存の分類形式、すなわち対称モノイド圏と文字列ダイアグラムに基づく属性を取り入れている。 これは、オブジェクトが検索可能な情報を備え、オブジェクトと情報の相互作用が"属性構造"によって管理される対称なモノイダルカテゴリである。 このようなカテゴリの例と意味をロボティクスの文脈で議論し,その定義を説明する。
• 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: When designing plans in engineering, it is often necessary to consider attributes associated to objects, e.g. the location of a robot. Our aim in this paper is to incorporate attributes into existing categorical formalisms for planning, namely those based on symmetric monoidal categories and string diagrams. To accomplish this, we define a notion of a "symmetric monoidal category with attributes." This is a symmetric monoidal category in which objects are equipped with retrievable information and where the interactions between objects and information are governed by an "attribute structure." We discuss examples and semantics of such categories in the context of robotics to illustrate our definition.
• Abstract（参考訳）: エンジニアリングで計画を設計する場合、例えば、オブジェクトに関連する属性を考慮することがしばしば必要となる。 ロボットの位置。 本論文の目的は,既存の分類形式,すなわち対称モノイド圏と弦図に基づく属性に属性を組み込むことである。 これを達成するために、「属性を持つ対称モノイド圏」の概念を定義する。 これは、オブジェクトが検索可能な情報を持ち、オブジェクトと情報の相互作用が「属性構造」によって制御される対称モノイド圏である。 このようなカテゴリの例と意味をロボティクスの文脈で議論し,その定義を説明する。

関連論文リスト

• Domain Embeddings for Generating Complex Descriptions of Concepts in Italian Language [65.268245109828]
  電子辞書から抽出した言語情報と語彙情報に富んだ分布意味資源を提案する。 リソースは21のドメイン固有の行列と1つの包括的なマトリックスとグラフィカルユーザインタフェースから構成される。 本モデルは,具体的概念知識に直接関連した行列を選択することにより,概念の意味的記述の推論を容易にする。
  論文  参考訳（メタデータ） (2024-02-26T15:04:35Z)
• Binding Dynamics in Rotating Features [72.80071820194273]
  本稿では,特徴間のアライメントを明示的に計算し,それに応じて重みを調整する「コサイン結合」機構を提案する。 これにより、自己注意と生物学的神経プロセスに直接接続し、回転する特徴に現れるオブジェクト中心の表現の基本的なダイナミクスに光を当てることができます。
  論文  参考訳（メタデータ） (2024-02-08T12:31:08Z)
• AttrSeg: Open-Vocabulary Semantic Segmentation via Attribute Decomposition-Aggregation [33.25304533086283]
  オープンボキャブラリセマンティックセグメンテーションは、推論時に新しいオブジェクトカテゴリをセグメンテーションする必要がある難しいタスクである。 最近の研究では、この課題に対処するために視覚言語による事前訓練が検討されているが、現実的なシナリオでは非現実的な仮定に悩まされている。 本研究は,新しい概念を理解する上で,人間の認知に触発された新しい属性分解集約フレームワークであるAttrSegを提案する。
  論文  参考訳（メタデータ） (2023-08-31T19:34:09Z)
• Geometric Relational Embeddings: A Survey [39.57716353191535]
  本研究では,データ表現に使用される埋め込みジオメトリに基づいて,幾何的リレーショナル埋め込みを下位に調査し,それらを分類する。 埋め込みの各種類の所望の特性(すなわち帰納バイアス)を特定し、潜在的な将来の研究について議論する。
  論文  参考訳（メタデータ） (2023-04-24T09:33:30Z)
• Recognizing Entity Types via Properties [5.622134113488239]
  プロパティ定義に使用するプロパティに基づいて,etypeを認識可能なプロパティベースのアプローチを導入する。 主なコントリビューションは、etypeとエンティティ間の類似度を測定するプロパティベースのメトリクスセットと、提案した類似度メトリクスを利用する機械学習アルゴリズムである。
  論文  参考訳（メタデータ） (2023-04-16T22:42:30Z)
• OMAD: Object Model with Articulated Deformations for Pose Estimation and Retrieval [46.813224754603866]
  本稿では,調音対象を明示的にモデル化するために,Articulated deformations (OMAD) を用いたオブジェクトモデルというカテゴリ固有表現を提案する。 対象の形状と結合状態の完全な表現により,カテゴリレベルのオブジェクトポーズ推定や明瞭なオブジェクト検索など,いくつかの課題に対処できる。
  論文  参考訳（メタデータ） (2021-12-14T12:45:49Z)
• Discovering Relationships between Object Categories via Universal Canonical Maps [80.07703460198198]
  変形可能なオブジェクトの複数カテゴリの幾何学を共同で学習する問題に取り組む。 近年の研究では、関連オブジェクトのいくつかのカテゴリに対して、統合された高密度ポーズ予測器を学習できることが示されている。 改良された対応性は,カテゴリ固有の高密度ポーズ予測器の自然な副産物として自動的に学習できることを示す。
  論文  参考訳（メタデータ） (2021-06-17T18:38:18Z)
• CORSAIR: Convolutional Object Retrieval and Symmetry-AIded Registration [14.79639149658596]
  完全畳み込みオブジェクト検索とシンメトリーエイド登録の開発とアプローチを行います。 提案手法のロバスト性を検証するために,異なるオブジェクトカテゴリの合成データと実世界のデータセットの結果を示す。
  論文  参考訳（メタデータ） (2021-03-11T19:12:48Z)
• Fully Convolutional Geometric Features for Category-level Object Alignment [12.741811850885309]
  本稿では,同じカテゴリの異なるオブジェクトインスタンスのポーズ登録に焦点を当てる。 提案手法は,同じカテゴリのインスタンスを正規化された標準座標フレームに変換し,計量学習を用いて完全な畳み込み幾何学的特徴を訓練する。
  論文  参考訳（メタデータ） (2021-03-08T00:31:56Z)
• Semantic Disentangling Generalized Zero-Shot Learning [50.259058462272435]
  Generalized Zero-Shot Learning (GZSL)は、目に見えないカテゴリと見えないカテゴリの両方から画像を認識することを目的としている。 本稿では,エンコーダ・デコーダアーキテクチャに基づく新しい特徴分割手法を提案する。 提案モデルは,視像の固有特徴をキャプチャする品質意味一貫性表現を蒸留することを目的としている。
  論文  参考訳（メタデータ） (2021-01-20T05:46:21Z)
• Learning to Infer Unseen Attribute-Object Compositions [55.58107964602103]
  単一属性と多属性オブジェクトの両方を柔軟に認識できるグラフベースモデルを提案する。 我々は116,099の画像と8,030の合成カテゴリを持つ大規模マルチ属性データセットを構築した。
  論文  参考訳（メタデータ） (2020-10-27T14:57:35Z)

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。