Fugu-MT 論文翻訳(概要): Conditional Generation of Periodic Signals with Fourier-Based Decoder

論文の概要: Conditional Generation of Periodic Signals with Fourier-Based Decoder

arxiv url: http://arxiv.org/abs/2110.12365v1
Date: Sun, 24 Oct 2021 06:48:19 GMT
ステータス: 処理完了
システム内更新日: 2021-10-26 18:28:31.788801
Title: Conditional Generation of Periodic Signals with Fourier-Based Decoder
Title（参考訳）: フーリエデコーダを用いた周期信号の条件生成
Authors: Jiyoung Lee, Wonjae Kim, Daehoon Gwak, Edward Choi
Abstract要約: 本稿では、周期的な信号を生成するために、フーリエ級数にインスパイアされた新しいフレームワークを提案する。まず、与えられた信号を複数の罪とコサインに分解し、次に出力成分で周期的な信号を条件付きで生成する。
参考スコア（独自算出の注目度）: 12.657359817054592
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Periodic signals play an important role in daily lives. Although conventional sequential models have shown remarkable success in various fields, they still come short in modeling periodicity; they either collapse, diverge or ignore details. In this paper, we introduce a novel framework inspired by Fourier series to generate periodic signals. We first decompose the given signals into multiple sines and cosines and then conditionally generate periodic signals with the output components. We have shown our model efficacy on three tasks: reconstruction, imputation and conditional generation. Our model outperforms baselines in all tasks and shows more stable and refined results.
Abstract（参考訳）: 周期的信号は日常生活において重要な役割を果たす。従来の逐次モデルでは様々な分野で顕著な成功が見られたが、それでも周期性のモデリングには不足している。本稿では,フーリエ級数に触発された周期的信号を生成する新しい枠組みを提案する。まず、与えられた信号を複数の罪とコサインに分解し、次に出力成分で周期的な信号を生成する。再現, インプテーション, 条件生成という3つの課題において, モデルの有効性を示した。我々のモデルは全てのタスクにおいてベースラインを上回り、より安定的で洗練された結果を示す。

関連論文リスト

Enhancing Foundation Models for Time Series Forecasting via Wavelet-based Tokenization [74.3339999119713]
我々はウェーブレットベースのトークンーザを開発し、時間局所化周波数の空間でモデルが複雑な表現を直接学習できるようにする。提案手法は,まず入力時系列をスケール・分解し,次に閾値を設定し,ウェーブレット係数を定量化し,最後に予測水平方向の係数を予測する自己回帰モデルを事前学習する。
論文参考訳（メタデータ） (2024-12-06T18:22:59Z)
Moirai-MoE: Empowering Time Series Foundation Models with Sparse Mixture of Experts [103.725112190618]
本稿では,単一入出力プロジェクション層を用いたMoirai-MoEを紹介するとともに,多種多様な時系列パターンのモデリングを専門家の疎結合に委ねる。 39のデータセットに対する大規模な実験は、既存の基盤モデルよりも、分配シナリオとゼロショットシナリオの両方において、Moirai-MoEの優位性を実証している。
論文参考訳（メタデータ） (2024-10-14T13:01:11Z)
Oscillatory State-Space Models [61.923849241099184]
長いシーケンスを効率的に学習するための線形状態空間モデル(LinOSS)を提案する。高速な連想並列スキャンを用いて時間とともに統合された安定な離散化により、提案した状態空間モデルが得られる。我々はLinOSSが普遍であること、すなわち時間変化関数間の連続および因果作用素写像を近似できることを示す。
論文参考訳（メタデータ） (2024-10-04T22:00:13Z)
PeriodWave: Multi-Period Flow Matching for High-Fidelity Waveform Generation [37.35829410807451]
そこで我々は,新しい普遍波形生成モデルである PeriodWave を提案する。波形信号の周期的特徴を把握できる周期的フローマッチング推定器を提案する。また、周期的バッチ推論によりフィードフォワード並列化が可能な1つの周期条件ユニバーサル推定器を提案する。
論文参考訳（メタデータ） (2024-08-14T13:36:17Z)
SigDiffusions: Score-Based Diffusion Models for Long Time Series via Log-Signature Embeddings [3.801509221714223]
SigDiffusionは、データのログ署名で動作する新しい拡散モデルである。対数符号式から信号を取り出すため、我々は新しい閉形式反転式を提供する。 SigDiffusionとこれらの公式を組み合わせることで、非常に現実的な時系列生成が得られることを示す。
論文参考訳（メタデータ） (2024-06-14T18:04:06Z)
Jointly Modeling Spatio-Temporal Features of Tactile Signals for Action Classification [50.63919418371698]
ウェアラブルエレクトロニクスによって収集される触覚信号は、人間の行動のモデリングと理解に不可欠である。既存の動作分類法では、触覚信号の空間的特徴と時間的特徴を同時に捉えることができない。 S-Temporal Aware Aware Transformer (STAT) を提案する。
論文参考訳（メタデータ） (2024-01-21T03:47:57Z)
CycleCL: Self-supervised Learning for Periodic Videos [5.9647924003148365]
本稿では,周期データを扱うための自己教師付き学習手法であるCycleCLを提案する。ビデオの繰り返しを利用して,三重項損失に基づく新しいコントラスト学習手法を設計する。提案手法では, ほぼ同じ位相のフレーム対と異なる位相の負のフレーム対をサンプリングするために, 事前学習した特徴を用いる。
論文参考訳（メタデータ） (2023-11-05T17:40:10Z)
Neural Fourier Filter Bank [18.52741992605852]
本稿では, 効率的かつ高精度な再構築手法を提案する。ウェーブレットにインスパイアされた我々は、信号が空間的にも周波数的にも分解されるニューラルネットワークを学習する。
論文参考訳（メタデータ） (2022-12-04T03:45:08Z)
Modulated Periodic Activations for Generalizable Local Functional Representations [113.64179351957888]
我々は,複数のインスタンスに一般化し,最先端の忠実性を実現する新しい表現を提案する。提案手法は,画像,映像,形状の汎用的な機能表現を生成し,単一信号に最適化された先行処理よりも高い再構成品質を実現する。
論文参考訳（メタデータ） (2021-04-08T17:59:04Z)
Unconditional Audio Generation with Generative Adversarial Networks and Cycle Regularization [48.55126268721948]
本稿では,歌声のメル-スペクトログラムの無条件生成のためのGANモデルを提案する。我々は、時間次元のいくつかの構造を誘導するために、ジェネレータに階層的アーキテクチャーを用いる。歌声生成だけでなく,歌声生成のための新モデルの性能評価を行った。
論文参考訳（メタデータ） (2020-05-18T08:35:16Z)
RobustPeriod: Time-Frequency Mining for Robust Multiple Periodicity Detection [36.254037216142244]
複数の周期性検出のための頑健で汎用的なフレームワークを提案する。我々のアルゴリズムは、時系列を複数の時間周波数スケールに変換するために、最大重なり合う離散ウェーブレット変換を適用している。合成および実世界のデータセットの実験により、我々のアルゴリズムは、単周期検出と複数周期検出の両方において、他の一般的なデータセットよりも優れていることが示された。
論文参考訳（メタデータ） (2020-02-21T20:10:36Z)

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。