論文の概要: Multiscale Manifold Warping
- arxiv url: http://arxiv.org/abs/2109.09222v1
- Date: Sun, 19 Sep 2021 21:00:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 16:18:33.238991
- Title: Multiscale Manifold Warping
- Title(参考訳): 多スケール多様体ワーピング
- Authors: Sridhar Mahadevan, Anup Rao, Georgios Theocharous and Jennifer Healey
- Abstract要約: 実世界のデータにおけるマルチスケール多様体潜在構造の利用により,アライメントの改善が期待できることを示す。
本稿では、DTWとマルチスケールな多様体学習フレームワークを統合したWOW(Warping on Wavelets)という新しいフレームワークを紹介する。
- 参考スコア(独自算出の注目度): 28.628750841401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many real-world applications require aligning two temporal sequences,
including bioinformatics, handwriting recognition, activity recognition, and
human-robot coordination. Dynamic Time Warping (DTW) is a popular alignment
method, but can fail on high-dimensional real-world data where the dimensions
of aligned sequences are often unequal. In this paper, we show that exploiting
the multiscale manifold latent structure of real-world data can yield improved
alignment. We introduce a novel framework called Warping on Wavelets (WOW) that
integrates DTW with a a multi-scale manifold learning framework called
Diffusion Wavelets. We present a theoretical analysis of the WOW family of
algorithms and show that it outperforms previous state of the art methods, such
as canonical time warping (CTW) and manifold warping, on several real-world
datasets.
- Abstract(参考訳): 多くの現実世界のアプリケーションは、バイオインフォマティクス、手書き認識、アクティビティ認識、人間とロボットの協調を含む2つの時間的シーケンスを整列する必要がある。
動的時間ウォーピング(DTW)は一般的なアライメント手法であるが、アライメントシーケンスの次元が不等な高次元実世界のデータでは失敗することがある。
本稿では,実世界のデータの多スケール多様体的潜在構造を活用すれば,アライメントの改善が期待できることを示す。
我々は、DTWとDiffusion Waveletsと呼ばれるマルチスケールの多様体学習フレームワークを統合する、WOW(Warping on Wavelets)と呼ばれる新しいフレームワークを紹介します。
本稿では,WOW系アルゴリズムの理論的解析を行い,いくつかの実世界のデータセットにおいて,標準時ワープ(CTW)や多様体ワープといった従来の手法よりも優れていることを示す。
関連論文リスト
- Polar-Doc: One-Stage Document Dewarping with Multi-Scope Constraints
under Polar Representation [26.050987382098107]
文書デワープは、テキスト認識の恩恵を受けるために、写真化された文書の幾何学的変形を排除することを目的としている。
本研究では,文書デワープにおける各点の極座標表現,すなわちPolar-Docについて検討する。
グリッドベース正規化として制御点間の関係を制約する新しいマルチスコープポラリド-IOU損失を提案する。
論文 参考訳(メタデータ) (2023-12-13T06:50:30Z) - Generative Modeling of Regular and Irregular Time Series Data via
Koopman VAEs [53.91784369229405]
モデルの新しい設計に基づく新しい生成フレームワークであるKoopman VAEを紹介する。
クープマン理論に触発され、線形写像を用いて潜在条件事前力学を表現する。
以上の結果から,KVAEは,合成および実世界の時系列生成ベンチマークにおいて,最先端のGAN法およびVAE法よりも優れていた。
論文 参考訳(メタデータ) (2023-10-04T07:14:43Z) - Self-supervised novel 2D view synthesis of large-scale scenes with
efficient multi-scale voxel carving [77.07589573960436]
実シーンの新たなビューを生成するために,効率的なマルチスケールのボクセル彫刻手法を提案する。
我々の最終的な高解像度出力は、ボクセル彫刻モジュールによって自動的に生成されるデータに基づいて効率よく自己学習される。
実環境における複雑で大規模なシーンにおける本手法の有効性を実証する。
論文 参考訳(メタデータ) (2023-06-26T13:57:05Z) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳(メタデータ) (2022-09-01T10:46:09Z) - Dynamic Time Warping based Adversarial Framework for Time-Series Domain [32.45387153404849]
適応ロバストネスのための動的時間ウォーピング(DTW-AR)と呼ばれる時系列領域のための新しいフレームワークを提案する。
理論解析によって正当化された原理的アルゴリズムを開発し、ランダムなアライメントパスを用いて、多様な逆例を効率的に生成する。
多様な実世界のベンチマーク実験では、DTW-ARが時系列データに対してDNNを騙し、敵の訓練によってその堅牢性を向上させることが示されている。
論文 参考訳(メタデータ) (2022-07-09T17:23:00Z) - Video Is Graph: Structured Graph Module for Video Action Recognition [34.918667614077805]
ビデオシーケンスをグラフに変換して,時間的フレーム間の直接的な長期的依存関係を求める。
特に、SGMは各ノードの隣人を複数の時間領域に分割し、グローバルな構造情報を抽出する。
報告された性能と分析により、SGMは計算複雑性を小さくして優れた精度を達成できることを示した。
論文 参考訳(メタデータ) (2021-10-12T11:27:29Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2021-09-15T14:11:53Z) - Fork or Fail: Cycle-Consistent Training with Many-to-One Mappings [67.11712279612583]
サイクル一貫性トレーニングは、2つの関心領域間の前方および逆マッピングの学習に広く用いられている。
我々は条件付き変分オートエンコーダ(cvae)アプローチを開発し、これは全射写像を暗黙の単射に変換するものと見なすことができる。
私たちのパイプラインは、グラフからテキストへの多様性を促進しながら、サイクルトレーニング中に多くのマッピングをキャプチャできます。
論文 参考訳(メタデータ) (2020-12-14T10:59:59Z) - Matrix Profile XXII: Exact Discovery of Time Series Motifs under DTW [1.282368486390644]
動的時間ワープの下で時系列のモチーフを発見するための,最初のスケーラブルな正確な方法を提案する。
我々のアルゴリズムは、DTW計算の99.99%を許容できる。
論文 参考訳(メタデータ) (2020-09-16T19:35:43Z) - Manifold Learning via Manifold Deflation [105.7418091051558]
次元削減法は、高次元データの可視化と解釈に有用な手段を提供する。
多くの一般的な手法は単純な2次元のマニフォールドでも劇的に失敗する。
本稿では,グローバルな構造を座標として組み込んだ,新しいインクリメンタルな空間推定器の埋め込み手法を提案する。
実験により,本アルゴリズムは実世界および合成データセットに新規で興味深い埋め込みを復元することを示した。
論文 参考訳(メタデータ) (2020-07-07T10:04:28Z)
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。