Fugu-MT 論文翻訳(概要): A modification of the conjugate direction method for motion estimation

論文の概要: A modification of the conjugate direction method for motion estimation

arxiv url: http://arxiv.org/abs/2202.11831v1
Date: Wed, 23 Feb 2022 23:54:57 GMT
ステータス: 処理完了
システム内更新日: 2022-02-25 16:17:35.387644
Title: A modification of the conjugate direction method for motion estimation
Title（参考訳）: 動き推定のための共役方向法の修正
Authors: Marcos Faundez-Zanuy, Francesc Tarres-Ruiz
Abstract要約: 本研究は,予測の精度に関する計算負担と客観的尺度に焦点を当てた。共役方向法の興味深い修正が報告されている。ブロックマッチング手法の性能は、補正された動きと元のフレーム間の誤差信号のエントロピーの観点から測定されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: A comparative study of different block matching alternatives for motion estimation is presented. The study is focused on computational burden and objective measures on the accuracy of prediction. Together with existing algorithms several new variations have been tested. An interesting modification of the conjugate direction method previously related in literature is reported. This new algorithm shows a good trade-off between computational complexity and accuracy of motion vector estimation. Computational complexity is evaluated using a sequence of artificial images designed to incorporate a great variety of motion vectors. The performance of block matching methods has been measured in terms of the entropy in the error signal between the motion compensated and the original frames.
Abstract（参考訳）: 動き推定のための異なるブロックマッチング方式の比較検討を行った。本研究は,予測の精度に関する計算負担と客観的尺度に焦点を当てた。既存のアルゴリズムとともに、いくつかの新しいバリエーションがテストされている。文献に先行する共役方向法の興味深い修正が報告されている。このアルゴリズムは、計算複雑性と動きベクトル推定の精度のトレードオフを示す。計算複雑性は、様々な動きベクトルを組み込むように設計された一連の人工画像を用いて評価される。ブロックマッチング法の性能は、補正された動きと元のフレームとの間の誤差信号のエントロピーの観点から測定されている。

関連論文リスト

A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent [57.64826450787237]
本研究では, 分散勾配降下アルゴリズムの挙動を, 敵対的腐敗の有無で解析する方法を示す。汚職耐性の分散最適化アルゴリズムを設計するために、(怠慢な)ミラー降下からアイデアをどう使うかを示す。 MNISTデータセットの線形回帰、サポートベクトル分類、ソフトマックス分類に基づく実験は、我々の理論的知見を裏付けるものである。
論文参考訳（メタデータ） (2024-07-19T08:29:12Z)
Bounded Projection Matrix Approximation with Applications to Community Detection [1.8876415010297891]
我々は,新たな微分可能凸ペナルティを導入し,乗算器の交互方向法(ADMM)を導出する。数値実験により,アルゴリズムの競争相手に対する優位性を実証した。
論文参考訳（メタデータ） (2023-05-21T06:55:10Z)
EqMotion: Equivariant Multi-agent Motion Prediction with Invariant Interaction Reasoning [83.11657818251447]
不変相互作用推論を用いた効率的な同変運動予測モデルであるEqMotionを提案する。提案モデルに対して,粒子動力学,分子動力学,人体骨格運動予測,歩行者軌道予測の4つの異なるシナリオで実験を行った。提案手法は4つのタスクすべてに対して最先端の予測性能を実現し,24.0/30.1/8.6/9.2%改善した。
論文参考訳（メタデータ） (2023-03-20T05:23:46Z)
Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-05-06T13:18:31Z)
Triple Motion Estimation and Frame Interpolation based on Adaptive Threshold for Frame Rate Up-Conversion [6.015556590955814]
本稿では,動き補償フレームレートアップ・コンバージョン(MC-FRUC)アルゴリズムを提案する。提案アルゴリズムは、一側(前方と後方)と両側の運動推定を用いて、まず動きベクトルを推定し、補間フレームを生成する。片側運動軌道に沿った運動補償フレームは穴をあけるので、この問題を解決するために新しいアルゴリズムが導入された。
論文参考訳（メタデータ） (2022-03-05T04:39:42Z)
Fast Projected Newton-like Method for Precision Matrix Estimation under Total Positivity [15.023842222803058]
現在のアルゴリズムはブロック座標降下法や近点アルゴリズムを用いて設計されている。本稿では,2次元投影法に基づく新しいアルゴリズムを提案し,慎重に設計された探索方向と変数分割方式を取り入れた。合成および実世界のデータセットに対する実験結果から,提案アルゴリズムは最先端の手法と比較して計算効率を著しく向上させることを示した。
論文参考訳（メタデータ） (2021-12-03T14:39:10Z)
Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文参考訳（メタデータ） (2021-11-29T15:10:09Z)
Self-Supervised Learning of Perceptually Optimized Block Motion Estimates for Video Compression [50.48504867843605]
多段階畳み込みニューラルネットワークを用いた探索自由ブロック運動推定フレームワークを提案する。動作補償フレームの知覚品質を最適化するために,マルチスケール構造類似度(MS-SSIM)損失関数をデプロイする。
論文参考訳（メタデータ） (2021-10-05T03:38:43Z)
Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文参考訳（メタデータ） (2020-12-07T09:27:16Z)
Distributed Value Function Approximation for Collaborative Multi-Agent Reinforcement Learning [2.7071541526963805]
本稿では,多エージェントオフポリシー学習のための分散勾配に基づく時間差分アルゴリズムを提案する。提案するアルゴリズムは,その形式,可視性トレースの定義,時間スケールの選択,コンセンサス反復を組み込む方法などによって異なる。より弱い情報構造制約の下で時間差分アルゴリズムにどのように適用できるかを示す。
論文参考訳（メタデータ） (2020-06-18T11:46:09Z)
A Hybrid-Order Distributed SGD Method for Non-Convex Optimization to Balance Communication Overhead, Computational Complexity, and Convergence Rate [28.167294398293297]
通信負荷の少ない分散勾配降下法(SGD)を提案する。各イテレーションにおける計算複雑性を低減するために、ワーカノードは、方向微分をゼロ階勾配推定で近似する。
論文参考訳（メタデータ） (2020-03-27T14:02:15Z)

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。