論文の概要: Conditional Neural Relational Inference for Interacting Systems

• arxiv url: http://arxiv.org/abs/2106.11083v1
• Date: Mon, 21 Jun 2021 13:05:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 15:21:31.096578
• Title: Conditional Neural Relational Inference for Interacting Systems
• Title（参考訳）: 相互作用系の条件付きニューラルリレーショナル推論
• Authors: Joao A. Candido Ramos, Lionel Blond\'e, St\'ephane Armand and Alexandros Kalousis
• Abstract要約: 我々は、類似しているが異なる相互作用するオブジェクトのグループのダイナミクスをモデル化することを学ぶ。 ベクトル記述から任意の群から条件生成が可能なモデルを開発する。 我々は,ヒト歩行のモデル化と,特に病理的ヒト歩行のモデル化におけるモデルの評価を行った。
• 参考スコア（独自算出の注目度）: 58.141087282927415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we want to learn to model the dynamics of similar yet distinct groups of interacting objects. These groups follow some common physical laws that exhibit specificities that are captured through some vectorial description. We develop a model that allows us to do conditional generation from any such group given its vectorial description. Unlike previous work on learning dynamical systems that can only do trajectory completion and require a part of the trajectory dynamics to be provided as input in generation time, we do generation using only the conditioning vector with no access to generation time's trajectories. We evaluate our model in the setting of modeling human gait and, in particular pathological human gait.
• Abstract（参考訳）: この研究では、類似しているが異なる相互作用するオブジェクトのグループのダイナミクスをモデル化することを学びたい。 これらの群は、ベクトル記述によって捕獲される特異性を示すいくつかの一般的な物理法則に従う。 ベクトル記述を前提として,任意の群から条件付き生成を行うことができるモデルを開発した。 軌道完了のみ可能で、軌道ダイナミクスの一部を生成時の入力として提供する必要がある以前の力学系の学習と異なり、私たちは生成時間の軌跡へのアクセスのない条件付きベクトルのみを使用して生成する。 我々は,人間の歩行,特に病的歩行のモデル化において,モデルを評価する。

関連論文リスト

• From pixels to planning: scale-free active inference [42.04471916762639]
  本稿では、生成的モデリングのための離散状態空間モデルとそれに伴う手法について述べる。 我々は、再正規化群を用いて、深層または階層的な形式を考える。 この技術ノートは、一連のアプリケーションを使用したRGMの自動発見、学習、デプロイを説明している。
  論文  参考訳（メタデータ） (2024-07-27T14:20:48Z)
• Neural Persistence Dynamics [8.197801260302642]
  時間発展する点雲のトポロジにおける力学を学習する問題を考察する。 提案したモデル - $textitNeural Persistence Dynamics$ - は、パラメータ回帰タスクの多種多様なセットで最先端のパフォーマンスを大幅に上回る。
  論文  参考訳（メタデータ） (2024-05-24T17:20:18Z)
• Generative Pre-training for Speech with Flow Matching [81.59952572752248]
  我々は,フローマッチングとマスク条件を併用した60k時間の無転写音声に対して,SpeechFlowという生成モデルを事前学習した。 実験結果から,事前学習した生成モデルをタスク固有のデータで微調整し,音声強調,分離,合成に関する既存の専門家モデルに適合または超えることを示す。
  論文  参考訳（メタデータ） (2023-10-25T03:40:50Z)
• Persistent-Transient Duality: A Multi-mechanism Approach for Modeling Human-Object Interaction [58.67761673662716]
  人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。 人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。 本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-07-24T12:21:33Z)
• Action Matching: Learning Stochastic Dynamics from Samples [10.46643972142224]
  アクションマッチング(Action Matching)は、時間進化から独立したサンプルのみを使用して、リッチなダイナミクスのファミリーを学ぶ方法である。 我々は、基礎となる力学に関する明示的な仮定を頼らずに、抽出可能な訓練目標を導出する。 最適輸送との接続にインスパイアされ、確率質量の生成と破壊を含む微分方程式や力学を学ぶためにアクションマッチングの拡張を導出する。
  論文  参考訳（メタデータ） (2022-10-13T01:49:48Z)
• STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
  本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。 実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
  論文  参考訳（メタデータ） (2021-07-15T02:53:11Z)
• GEM: Group Enhanced Model for Learning Dynamical Control Systems [78.56159072162103]
  サンプルベースの学習が可能な効果的なダイナミクスモデルを構築します。 リー代数ベクトル空間上のダイナミクスの学習は、直接状態遷移モデルを学ぶよりも効果的であることを示す。 この研究は、ダイナミクスの学習とリー群の性質の関連性を明らかにし、新たな研究の方向への扉を開く。
  論文  参考訳（メタデータ） (2021-04-07T01:08:18Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• The Role of Isomorphism Classes in Multi-Relational Datasets [6.419762264544509]
  アイソモーフィックリークは,マルチリレーショナル推論の性能を過大評価することを示す。 モデル評価のためのアイソモーフィック・アウェア・シンセサイティング・ベンチマークを提案する。 また、同型類は単純な優先順位付けスキームによって利用することができることを示した。
  論文  参考訳（メタデータ） (2020-09-30T12:15:24Z)

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。