論文の概要: Zero-delay Consistent and Smooth Trainable Interpolation
- arxiv url: http://arxiv.org/abs/2203.03776v1
- Date: Mon, 7 Mar 2022 23:38:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-10 03:28:18.722444
- Title: Zero-delay Consistent and Smooth Trainable Interpolation
- Title（参考訳）: ゼロ遅延一貫性とスムーストレーニング可能な補間
- Authors: Emilio Ruiz-Moreno, Luis Miguel L\'opez-Ramos, Baltasar
Beferull-Lozano
- Abstract要約: 我々はリアルタイム補間器(RTI)の概念を定式化する。
パラメタライズされたRTIとリカレントニューラルネットワーク(RNN)ベースのRTIの2つのアプローチが提示される。
- 参考スコア（独自算出の注目度）: 8.078491757252692
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The question of how to produce a smooth interpolating curve from a stream of
data points is addressed in this paper. To this end, we formalize the concept
of real-time interpolator (RTI): a trainable unit that recovers smooth signals
that are consistent with the received input samples in an online manner.
Specifically, an RTI works under the requirement of producing a function
section immediately after a sample is received (zero delay), without changing
the reconstructed signal in past time sections. This work formulates the design
of spline-based RTIs as a bi-level optimization problem. Their training
consists in minimizing the average curvature of the interpolated signals over a
set of example sequences. The latter are representative of the nature of the
data sequence to be interpolated, allowing to tailor the RTI to a specific
signal source. Our overall design allows for different possible schemes. In
this work, we present two approaches, namely, the parametrized RTI and the
recurrent neural network (RNN)-based RTI, including their architecture and
properties. Experimental results show that the two proposed RTIs can be trained
in a data-driven fashion to achieve improved performance (in terms of the
curvature loss metric) with respect to a myopic-type RTI that only exploits the
local information at each time sample, while maintaining smooth, zero-delay,
and consistency requirements.
- Abstract（参考訳）: 本稿では,データポイントのストリームから滑らかな補間曲線を生成する方法について述べる。
この目的のために, リアルタイム補間器 (RTI: Real-time Interpolator) の概念を定式化した。
具体的には、RTIは、過去の区間で再構成された信号を変更することなく、サンプルが受信された直後に機能部を生成する必要が生じる(ゼロ遅延)。
この研究は、双レベル最適化問題としてスプラインベースのRTIの設計を定式化する。
彼らの訓練は、一連の例列上の補間信号の平均曲率を最小化することである。
後者は補間されるデータシーケンスの性質を表しており、RTIを特定の信号源に調整することができる。
私たちの全体的な設計は、さまざまなスキームを可能にします。
本研究では,パラメータ化されたRTIとリカレントニューラルネットワーク(RNN)に基づくRTIの2つのアプローチを提案する。
実験結果から,2つのRTIをデータ駆動方式でトレーニングし,スムーズ,ゼロ遅延,整合性要件を維持しつつ,各サンプルの局所情報のみを活用できるミオピック型RTIについて,改善された性能(曲率損失測定値)を実現することができた。
関連論文リスト
- A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。
提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
論文 参考訳（メタデータ） (2024-09-07T06:37:23Z) - Consistent Signal Reconstruction from Streaming Multivariate Time Series [5.448070998907116]
我々は,ストリーミング時系列データから一貫した信号再構成の概念を初めて定式化する。
提案手法は, 類似しているが非一貫性の再構成と比較して, サンプリングレートで良好な誤差速度の減衰を実現する。
論文 参考訳（メタデータ） (2023-08-23T22:50:52Z) - Gradient Coding with Iterative Block Leverage Score Sampling [42.21200677508463]
変換したデータのサンプリングサブセットに対応するために,$ell$-subspace埋め込みのためのレバレッジスコアサンプリングスケッチを一般化する。
これを用いて、一階法に対する近似符号付き計算手法を導出する。
論文 参考訳（メタデータ） (2023-08-06T12:22:12Z) - Samplet basis pursuit: Multiresolution scattered data approximation with sparsity constraints [0.0]
我々は,$ell_1$-regularization を用いたサンプルト座標における分散データ近似について検討する。
Riesz isometry を用いて、標本を再現されたカーネルヒルベルト空間に埋め込む。
組込みサンプルベースに対してスパースな信号のクラスは、カーネル翻訳の基盤に関してスパースな信号のクラスよりもかなり大きいと論じる。
論文 参考訳（メタデータ） (2023-06-16T21:20:49Z) - Boosting Fast and High-Quality Speech Synthesis with Linear Diffusion [85.54515118077825]
本稿では, 常微分方程式に基づく線形拡散モデル(LinDiff)を提案する。
計算複雑性を低減するため、LinDiffでは、入力信号を小さなパッチに分割するパッチベースの処理アプローチを採用している。
我々のモデルは、より高速な合成速度で自己回帰モデルに匹敵する品質の音声を合成することができる。
論文 参考訳（メタデータ） (2023-06-09T07:02:43Z) - Refining Amortized Posterior Approximations using Gradient-Based Summary
Statistics [0.9176056742068814]
逆問題の文脈における後部分布の補正近似を改善するための反復的枠組みを提案する。
そこで我々は,本手法をスタイリング問題に適用して制御条件で検証し,改良された後部近似を各繰り返しで観察する。
論文 参考訳（メタデータ） (2023-05-15T15:47:19Z) - Multisample Flow Matching: Straightening Flows with Minibatch Couplings [38.82598694134521]
連続時間生成モデルを訓練するためのシミュレーション不要な手法は、ノイズ分布と個々のデータサンプルの間の確率経路を構築する。
データとノイズサンプル間の非自明な結合を利用するより一般的なフレームワークであるMultisample Flow Matchingを提案する。
提案手法は,イメージネットデータセットのサンプル一貫性を向上し,低コストなサンプル生成に繋がることを示す。
論文 参考訳（メタデータ） (2023-04-28T11:33:08Z) - Towards Sample-Optimal Compressive Phase Retrieval with Sparse and
Generative Priors [59.33977545294148]
O(k log L)$サンプルは振幅に基づく経験損失関数を最小化する任意のベクトルに信号が近いことを保証するのに十分であることを示す。
この結果はスパース位相検索に適応し、基底信号が$s$-sparseおよび$n$-dimensionalである場合、$O(s log n)$サンプルは同様の保証に十分であることを示す。
論文 参考訳（メタデータ） (2021-06-29T12:49:54Z) - Evaluating representations by the complexity of learning low-loss
predictors [55.94170724668857]
下流タスクの解決に使用されるデータの表現を評価することの問題点を考察する。
本稿では,関心のあるタスクにおける低損失を実現する表現の上に,予測器を学習する複雑性によって表現の質を測定することを提案する。
論文 参考訳（メタデータ） (2020-09-15T22:06:58Z) - Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。
我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
論文 参考訳（メタデータ） (2020-04-23T05:00:21Z) - Spatially Adaptive Inference with Stochastic Feature Sampling and
Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。
次に、効率的な手順で特徴写像を密に再構築する。
提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文 参考訳（メタデータ） (2020-03-19T15:36:31Z)
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。