Fugu-MT 論文翻訳(概要): Adaptive search area for fast motion estimation

論文の概要: Adaptive search area for fast motion estimation

arxiv url: http://arxiv.org/abs/2204.04546v1
Date: Sat, 9 Apr 2022 20:44:34 GMT
ステータス: 処理完了
システム内更新日: 2022-04-12 16:03:50.223440
Title: Adaptive search area for fast motion estimation
Title（参考訳）: 高速動き推定のための適応探索領域
Authors: S.M.Reza Soroushmehr, Shadrokh Samavi, Shahram Shirani
Abstract要約: 提案手法では,各フレームブロックの探索領域を適応的に探索する。提案アルゴリズムの速度はFSアルゴリズムの少なくとも7倍である。
参考スコア（独自算出の注目度）: 9.848270764559647
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper suggests a new method for determining the search area for a motion estimation algorithm based on block matching. The search area is adaptively found in the proposed method for each frame block. This search area is similar to that of the full search (FS) algorithm but smaller for most blocks of a frame. Therefore, the proposed algorithm is analogous to FS in terms of regularity but has much less computational complexity. The temporal and spatial correlations among the motion vectors of blocks are used to find the search area. The matched block is chosen from a rectangular area that the prediction vectors set out. Simulation results indicate that the speed of the proposed algorithm is at least seven times better than the FS algorithm.
Abstract（参考訳）: 本稿では,ブロックマッチングに基づく動き推定アルゴリズムの探索領域を決定する新しい手法を提案する。提案手法では,各フレームブロックの探索領域を適応的に探索する。この検索領域はフルサーチ(FS)アルゴリズムに似ているが、フレームのほとんどのブロックでは小さい。したがって、提案アルゴリズムは正則性の点でFSに似ているが、計算複雑性ははるかに少ない。探索領域を求めるためにブロックの運動ベクトル間の時間的および空間的相関を用いる。一致したブロックは、予測ベクトルが設定した矩形領域から選択される。シミュレーションの結果,提案アルゴリズムの速度はFSアルゴリズムの少なくとも7倍であることがわかった。

関連論文リスト

Lagrangian based A* algorithm for automated reasoning [0.0]
重み付けはA*アルゴリズムの一部として導入され、効率が向上する。このアルゴリズムの応用はUAV経路計画に適用される。
論文参考訳（メタデータ） (2023-06-28T17:01:03Z)
Fast Pareto Optimization Using Sliding Window Selection [13.264683014487376]
本稿では,最近導入されたアルゴリズムに対してスライディングウインドウの高速化手法を提案する。我々は,本手法が実行環境に悪影響を及ぼす重要な要因として個体群サイズを排除していることを証明した。
論文参考訳（メタデータ） (2023-05-11T23:23:49Z)
A Metaheuristic Algorithm for Large Maximum Weight Independent Set Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-03-28T21:34:16Z)
GPU-accelerated Faster Mean Shift with euclidean distance metrics [1.3507758562554621]
平均シフトアルゴリズムはクラスタリング問題の解法として広く用いられている。従来の研究では,GPUを高速化する高速平均シフトアルゴリズムが提案されている。本研究では,ユークリッド距離測定値を扱うために,従来のアルゴリズムを拡張し改良する。
論文参考訳（メタデータ） (2021-12-27T20:18:24Z)
Exploring Complicated Search Spaces with Interleaving-Free Sampling [127.07551427957362]
本稿では,長距離接続を伴う複雑な検索空間上に探索アルゴリズムを構築する。我々はtextbfIF-NAS という単純なアルゴリズムを提案し、異なるサブネットワークを構築するために周期的なサンプリング戦略を実行する。提案した探索空間において、IF-NASはランダムサンプリングと従来の重み付け検索のアルゴリズムを有意差で上回っている。
論文参考訳（メタデータ） (2021-12-05T06:42:48Z)
Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文参考訳（メタデータ） (2021-09-13T18:10:52Z)
Selection-Expansion: A Unifying Framework for Motion-Planning and Diversity Search Algorithms [69.87173070473717]
本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。 mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
論文参考訳（メタデータ） (2021-04-10T13:52:27Z)
Fast block-coordinate Frank-Wolfe algorithm for semi-relaxed optimal transport [26.245086561385282]
最適輸送(OT)問題は、厳密な大量保存制約を持つ線形プログラミングの解を必要とする。スパース解を与える高速ブロック座標Frank-Wolfe (BCFW) アルゴリズムを提案する。色伝達問題における数値的な評価は,提案アルゴリズムが異なる設定で最先端のアルゴリズムより優れていることを示す。
論文参考訳（メタデータ） (2021-03-10T03:46:29Z)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文参考訳（メタデータ） (2020-07-01T18:43:32Z)
A Diverse Clustering Particle Swarm Optimizer for Dynamic Environment: To Locate and Track Multiple Optima [0.0]
我々は,複数の最適点の追跡と探索により,動的環境を効果的に処理する新しい効率的なアルゴリズムを提案する。このアルゴリズムでは,探索空間の未発見領域を探索し,アルゴリズムの多様性を高める新しい手法が提案されている。このアルゴリズムは、重なり合った粒子や重なり合った粒子を効果的に扱う方法も用いている。
論文参考訳（メタデータ） (2020-05-19T16:12:40Z)

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。