Fugu-MT 論文翻訳(概要): Exploring the high dimensional geometry of HSI features

論文の概要: Exploring the high dimensional geometry of HSI features

arxiv url: http://arxiv.org/abs/2103.01303v1
Date: Mon, 1 Mar 2021 20:48:43 GMT
ステータス: 処理完了
システム内更新日: 2021-03-03 16:29:57.247524
Title: Exploring the high dimensional geometry of HSI features
Title（参考訳）: HSI特徴の高次元幾何学の探索
Authors: Wojciech Czaja, Ilya Kavalerov, Weilin Li
Abstract要約: 3次元フーリエ散乱変換と4つの標準ハイパースペクトル画像の属性プロファイルを拡張したディープニューラルネットワークによって誘導される特徴空間を探索する。クラス平均の形状と角度、クラスの変動性、およびそれらの低次元構造を調べます。
参考スコア（独自算出の注目度）: 2.793095554369282
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We explore feature space geometries induced by the 3-D Fourier scattering transform and deep neural network with extended attribute profiles on four standard hyperspectral images. We examine the distances and angles of class means, the variability of classes, and their low-dimensional structures. These statistics are compared to that of raw features, and our results provide insight into the vastly different properties of these two methods. We also explore a connection with the newly observed deep learning phenomenon of neural collapse.
Abstract（参考訳）: 3次元フーリエ散乱変換とディープニューラルネットワークによって引き起こされる特徴空間ジオメトリを4つの標準超スペクトル画像に拡張した属性プロファイルを用いて検討する。クラス平均の距離と角度、クラスの変動性、およびそれらの低次元構造を調べます。これらの統計を生の特徴の統計と比較し,これら2つの方法の非常に異なる性質について考察した。また、新たに観測された神経崩壊の深層学習現象との関連性を探ります。

関連論文リスト

Geometry Distributions [51.4061133324376]
本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
論文参考訳（メタデータ） (2024-11-25T04:06:48Z)
Exploring the Manifold of Neural Networks Using Diffusion Geometry [7.038126249994092]
ニューラルネットワークの隠蔽層表現間の距離を導入することにより,データポイントがニューラルネットワークである多様体を学習する。これらの距離は非線形次元減少アルゴリズムPHATEに供給され、ニューラルネットワークの多様体を生成する。解析の結果,高い性能のネットワークが一貫した埋め込みパターンを表示できることがわかった。
論文参考訳（メタデータ） (2024-11-19T16:34:45Z)
AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
論文参考訳（メタデータ） (2024-10-02T03:10:38Z)
Depth Reconstruction with Neural Signed Distance Fields in Structured Light Systems [15.603880588503355]
本稿では,3次元空間の暗黙的表現を用いた多フレーム構造光設定のための新しい深度推定手法を提案する。我々のアプローチでは、自己教師付き微分可能レンダリングによって訓練された、ニューラルサイン付き距離場(SDF)を用いる。
論文参考訳（メタデータ） (2024-05-20T13:24:35Z)
A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes [49.32130498861987]
本稿ではReLUのような非微分可能活性化関数の事例について検討する。最近の2つの研究は、ニューラルネットワークを研究するための幾何学的枠組みを導入した。本稿では,画像の分類と熱力学問題に関する数値実験を行った。
論文参考訳（メタデータ） (2024-04-09T08:11:46Z)
A Hitchhiker's Guide to Geometric GNNs for 3D Atomic Systems [87.30652640973317]
原子系の計算モデリングの最近の進歩は、これらを3次元ユークリッド空間のノードとして埋め込まれた原子を含む幾何学的グラフとして表現している。 Geometric Graph Neural Networksは、タンパク質構造予測から分子シミュレーション、物質生成まで、幅広い応用を駆動する機械学習アーキテクチャとして好まれている。本稿では,3次元原子システムのための幾何学的GNNの分野について,包括的で自己完結した概要を述べる。
論文参考訳（メタデータ） (2023-12-12T18:44:19Z)
A General Protocol to Probe Large Vision Models for 3D Physical Understanding [84.54972153436466]
市販の大型視覚モデルの特徴が3Dシーンの物理的な「プロパティ」をエンコードするかどうかを評価するための一般的なプロトコルを提案する。このプロトコルは、シーン幾何学、シーン素材、サポート関係、照明、ビュー依存尺度を含むプロパティに適用する。安定拡散とDINOv2の特徴は,多くの特性の識別学習に有効であることがわかった。
論文参考訳（メタデータ） (2023-10-10T17:59:28Z)
Curved Geometric Networks for Visual Anomaly Recognition [39.91252195360767]
データ分布の根底にある性質を理解するために潜伏埋め込みを学ぶことは、曲率ゼロのユークリッド空間でしばしば定式化される。本研究では,データ中の異常やアウト・オブ・ディストリビューション・オブジェクトを解析するための曲線空間の利点について検討する。
論文参考訳（メタデータ） (2022-08-02T01:15:39Z)
Differential Geometry in Neural Implicits [0.6198237241838558]
トライアングルメッシュの離散微分幾何とニューラル暗黙曲面の連続微分幾何を橋渡しするニューラル暗黙の枠組みを導入する。ニューラルネットワークの微分可能特性と三角形メッシュの離散幾何学を利用して、ニューラルネットワークをニューラルネットワークの暗黙関数のゼロレベル集合として近似する。
論文参考訳（メタデータ） (2022-01-23T13:40:45Z)
Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文参考訳（メタデータ） (2020-08-18T06:33:40Z)

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。