論文の概要: Visualizing Data Velocity using DSNE
- arxiv url: http://arxiv.org/abs/2103.08509v1
- Date: Mon, 15 Mar 2021 16:29:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 14:17:21.121412
- Title: Visualizing Data Velocity using DSNE
- Title（参考訳）: DSNEを用いたデータ速度の可視化
- Authors: Songting Shi
- Abstract要約: DSNE」は、その速度で高次元データポイントを与えられたとき、低次元マップポイントの速度埋め込みを学習する。
それは細胞分化および胚発生のメカニズムを理解するのに有用です。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a new technique called "DSNE" which learns the velocity embeddings
of low dimensional map points when given the high-dimensional data points with
its velocities. The technique is a variation of Stochastic Neighbor Embedding,
which uses the Euclidean distance on the unit sphere between the unit-length
velocity of the point and the unit-length direction from the point to its near
neighbors to define similarities, and try to match the two kinds of
similarities in the high dimension space and low dimension space to find the
velocity embeddings on the low dimension space. DSNE can help to visualize how
the data points move in the high dimension space by presenting the movements in
two or three dimensions space. It is helpful for understanding the mechanism of
cell differentiation and embryo development.
- Abstract（参考訳）: そこで本研究では, 低次元写像点の速度埋め込みを, 高次元データ点に速度を与えて学習する手法「DSNE」を提案する。
この手法は、点の単位長速度と近傍の点から近傍までの単位長方向の間の単位球面上のユークリッド距離を用いて類似性を定義し、高次元空間と低次元空間における2種類の類似性を一致させて、低次元空間上の速度埋め込みを見つけようとする確率的近傍埋め込みのバリエーションである。
DSNEは、データポイントが高次元空間でどのように動くかを、2次元または3次元空間で示すことで視覚化するのに役立つ。
それは細胞分化および胚発生のメカニズムを理解するのに有用です。
関連論文リスト
- RAPiD-Seg: Range-Aware Pointwise Distance Distribution Networks for 3D LiDAR Segmentation [22.877384781595556]
本稿では,Range-Aware Pointwise Distance Distribution(RAPiD)と関連するRAPiD-Segアーキテクチャを紹介する。
RAPiDの特徴は剛性変換不変性を示し、点密度の変動に効果的に適応する。
本稿では,高次元特徴を管理可能なボクセル・ワイド・埋め込みにエンコードする,新しいクラス認識型埋め込み目的を持つ2次元オートエンコーダ構造を提案する。
論文 参考訳（メタデータ） (2024-07-14T10:59:34Z) - PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic
Occupancy Prediction [72.75478398447396]
本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。
また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。
プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
論文 参考訳（メタデータ） (2023-08-31T17:57:17Z) - Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local
Geometry-driven Distance Metric [62.365983810610985]
そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。
CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。
一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
論文 参考訳（メタデータ） (2023-06-01T11:16:20Z) - Quadric Representations for LiDAR Odometry, Mapping and Localization [93.24140840537912]
現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。
3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。
提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
論文 参考訳（メタデータ） (2023-04-27T13:52:01Z) - On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
本論文では,2種類の堅牢なクロスビュー整合性について検討する。
深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。
いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
論文 参考訳（メタデータ） (2022-09-19T03:46:13Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳（メタデータ） (2022-02-18T13:17:43Z) - Grassmannian diffusion maps based dimension reduction and classification
for high-dimensional data [0.0]
グラスマン多様体上の点に対応する低次元部分空間として表現することで、点間の親和性を定義する新しい非線形次元減少法。
本手法は,低次元部分空間でコンパクトに表現可能な画像認識や高次元データのデータベース分類などの応用のために設計されている。
論文 参考訳（メタデータ） (2020-09-16T08:32:02Z) - Spatial Information Guided Convolution for Real-Time RGBD Semantic
Segmentation [79.78416804260668]
本稿では,効率的なRGB機能と3次元空間情報統合を実現するための空間情報ガイドコンボリューション(S-Conv)を提案する。
S-Convは、3次元空間情報によって導かれる畳み込みカーネルのサンプリングオフセットを推測する能力を有する。
我々はさらにS-Convを空間情報ガイド畳み込みネットワーク(SGNet)と呼ばれるセグメンテーションネットワークに組み込みます。
論文 参考訳（メタデータ） (2020-04-09T13:38:05Z) - Scan-based Semantic Segmentation of LiDAR Point Clouds: An Experimental
Study [2.6205925938720833]
最先端の手法では、深いニューラルネットワークを使用して、LiDARスキャンの各点のセマンティッククラスを予測する。
LiDAR測定を処理するための強力で効率的な方法は、2次元の画像のような投影を使うことである。
メモリの制約だけでなく、パフォーマンスの向上やランタイムの改善など、さまざまなテクニックを実証する。
論文 参考訳（メタデータ） (2020-04-06T11:08:12Z)
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。