論文の概要: Generation Drawing/Grinding Trajectoy Based on Hierarchical CVAE

• arxiv url: http://arxiv.org/abs/2111.10954v2
• Date: Wed, 24 Nov 2021 02:03:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-25 12:27:24.057851
• Title: Generation Drawing/Grinding Trajectoy Based on Hierarchical CVAE
• Title（参考訳）: 階層CVAEに基づくジェネレーションドローイング/グリンディングトラジェゾイ
• Authors: Masahiro Aita, Keito Sugawara, Sho Sakaino and Toshiaki Tsuji
• Abstract要約: 階層的変分オートエンコーダ(VAE)を用いた描画・格子軌道の局所的・大域的特徴をモデル化する手法を提案する。 階層生成ネットワークは、比較的少ないトレーニングデータで高階軌道の生成を可能にする。 学習されたモデルの組み合わせを変更することで、過去に学習されたことのない新しい軌跡を生成することができる。
• 参考スコア（独自算出の注目度）: 4.817429789586127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this study, we propose a method to model the local and global features of the drawing/grinding trajectory with hierarchical Variational Autoencoders (VAEs). By combining two separately trained VAE models in a hierarchical structure, it is possible to generate trajectories with high reproducibility for both local and global features. The hierarchical generation network enables the generation of higher-order trajectories with a relatively small amount of training data. The simulation and experimental results demonstrate the generalization performance of the proposed method. In addition, we confirmed that it is possible to generate new trajectories, which have never been learned in the past, by changing the combination of the learned models.
• Abstract（参考訳）: 本研究では,階層的変分オートエンコーダ(vaes)を用いたドローイング/グラインディング軌道の局所的および大域的特徴をモデル化する手法を提案する。 2つの個別に訓練されたVAEモデルを階層構造に組み合わせることで、局所的特徴と大域的特徴の両方に対して高い再現性を持つ軌道を生成することができる。 階層的生成ネットワークは、比較的少ないトレーニングデータで高次軌道を生成することができる。 シミュレーションと実験結果は,提案手法の一般化性能を示す。 さらに,学習モデルの組み合わせを変更することで,過去に学習されたことのない新しい軌道を生成することが可能であることを確認した。

関連論文リスト

• Language Models are Graph Learners [70.14063765424012]
  言語モデル(LM)は、グラフニューラルネットワーク(GNN)やグラフトランスフォーマー(GT)など、ドメイン固有のモデルの優位性に挑戦している。 本稿では,ノード分類タスクにおける最先端のGNNに匹敵する性能を実現するために,既製のLMを有効活用する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-03T08:27:54Z)
• Federated Learning with Projected Trajectory Regularization [65.6266768678291]
  フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。 連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。 本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-22T02:12:08Z)
• A differentiable Gaussian Prototype Layer for explainable Segmentation [3.258592531141818]
  勾配に基づくプロトタイプ学習のための勾配ベースのプロトタイプ層を導入する。 説明可能なニューラルネットワークのための新しいビルディングブロックとして使用できることを示す。
  論文  参考訳（メタデータ） (2023-06-25T22:33:21Z)
• T1: Scaling Diffusion Probabilistic Fields to High-Resolution on Unified Visual Modalities [69.16656086708291]
  拡散確率場(DPF)は、距離空間上で定義された連続関数の分布をモデル化する。 本稿では,局所構造学習に着目したビューワイズサンプリングアルゴリズムによる新しいモデルを提案する。 モデルは、複数のモダリティを統一しながら、高解像度のデータを生成するためにスケールすることができる。
  論文  参考訳（メタデータ） (2023-05-24T03:32:03Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Hierarchical Graph-Convolutional Variational AutoEncoding for Generative Modelling of Human Motion [1.2599533416395767]
  人間の動きのモデルは通常、軌跡予測または行動分類に焦点を当てるが、どちらもまれである。 本稿では,階層的変動オートエンコーダと深部グラフ畳み込みニューラルネットワークに基づく新しいアーキテクチャを提案する。 この階層型グラフ共進化型自己エンコーダ(HG-VAE)は、コヒーレントな動作を生成し、分布外データを検出し、モデルの後部への勾配上昇による欠落データを出力できることを示す。
  論文  参考訳（メタデータ） (2021-11-24T16:21:07Z)
• Generating Synthetic Training Data for Deep Learning-Based UAV Trajectory Prediction [11.241614693184323]
  本稿では,無人航空機車(UAV)の合成軌道データを生成する手法を提案する。 実世界のUAV追跡データセットにおいて,RNNに基づく予測モデルが従来の参照モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-01T13:08:31Z)
• PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
  歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。 本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-17T08:28:30Z)
• A Deep Learning Framework for Generation and Analysis of Driving Scenario Trajectories [2.908482270923597]
  本研究では,運転シナリオトラジェクトリの生成と解析のための統合型ディープラーニングフレームワークを提案する。 本研究では,フィールド内データ収集から得られた実世界のシナリオトラジェクトリにおけるフレームワークの性能について実験的に検討する。
  論文  参考訳（メタデータ） (2020-07-28T23:33:05Z)
• Learning Variational Data Assimilation Models and Solvers [34.22350850350653]
  データ同化のためのエンドツーエンドニューラルネットワークアーキテクチャを導入する。 提案するエンドツーエンド学習アーキテクチャの重要な特徴は、教師なし戦略と教師なし戦略の両方を用いてNNモデルをトレーニングできることである。
  論文  参考訳（メタデータ） (2020-07-25T14:28:48Z)
• Decoupling Global and Local Representations via Invertible Generative Flows [47.366299240738094]
  標準画像ベンチマークによる実験結果から, 密度推定, 画像生成, 教師なし表現学習の観点から, モデルの有効性が示された。 この研究は、確率に基づく目的を持つ生成モデルが疎結合表現を学習でき、明示的な監督を必要としないことを示した。
  論文  参考訳（メタデータ） (2020-04-12T03:18:13Z)

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。