Fugu-MT 論文翻訳(概要): Multi-Target Search in Euclidean Space with Ray Shooting (Full Version)

論文の概要: Multi-Target Search in Euclidean Space with Ray Shooting (Full Version)

arxiv url: http://arxiv.org/abs/2207.02436v1
Date: Wed, 6 Jul 2022 05:02:09 GMT
ステータス: 処理完了
システム内更新日: 2022-07-07 14:24:03.729643
Title: Multi-Target Search in Euclidean Space with Ray Shooting (Full Version)
Title（参考訳）: レイシューティングによるユークリッド空間のマルチターゲット探索(フルバージョン)
Authors: Ryan Hechenberger (1), Daniel Harabor (1), Muhammad Aamir Cheema (1), Peter J Stuckey (1), Pierre Le Bodic (1) ((1) Monash University)
Abstract要約: ポリゴンスキャンを慎重に推し進めることで、RayScanをどのように改善できるかを示す。また、単一ソースのマルチターゲットシナリオでRayScanをどのように適用できるかについても検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The Euclidean shortest path problem (ESPP) is a well studied problem with many practical applications. Recently a new efficient online approach to this problem, RayScan, has been developed, based on ray shooting and polygon scanning. In this paper we show how we can improve RayScan by carefully reasoning about polygon scans. We also look into how RayScan could be applied in the single-source multi-target scenario, where logic during scanning is used to reduce the number of rays shots required. This improvement also helps in the single target case. We compare the improved RayScan+ against the state-of-the-art ESPP algorithm, illustrating the situations where it is better.
Abstract（参考訳）: ユークリッド短経路問題(Euclidean shortest path problem、ESPP)は、多くの実用的な応用においてよく研究されている問題である。近年,この問題に対する新しい効率的なオンラインアプローチであるRayScanが,レイシューティングとポリゴンスキャンに基づいて開発された。本稿では、ポリゴンスキャンを慎重に推し進めることで、RayScanを改善する方法について述べる。また、単一ソースのマルチターゲットシナリオにおいてRayScanをどのように適用できるかについても検討する。この改善は、単一のターゲットケースにも役立ちます。改良されたRayScan+を最先端のESPPアルゴリズムと比較し、より良好な状況を示す。

関連論文リスト

DLScanner: A parameter space scanner package assisted by deep learning methods [0.0]
本稿では,ディープラーニング(DL)技術によって強化されたスキャナパッケージを提案する。提案パッケージは、これまで開発されたDLベースの手法に関連する2つの重要な課題に対処する。提案手法は,他の走査法と比較して,性能と効率の両面で有意な向上を示した。
論文参考訳（メタデータ） (2024-12-27T14:52:42Z)
HashPoint: Accelerated Point Searching and Sampling for Neural Rendering [9.418401219498223]
レンダリングとレイトレーシングの2つの典型的なアプローチが採用されている。ボリューム化ベースの手法は、メモリの増大と忠実度低下を犠牲にしてリアルタイムレンダリングを可能にする。対照的に、レイトレーシングに基づく手法は優れた品質を得るが、より長い時間を要求する。我々はこの2つの戦略を組み合わせたHashPoint法によりこの問題を解決する。
論文参考訳（メタデータ） (2024-04-22T09:57:53Z)
Sparse Points to Dense Clouds: Enhancing 3D Detection with Limited LiDAR Data [68.18735997052265]
単分子と点雲に基づく3次元検出の利点を組み合わせたバランスの取れたアプローチを提案する。本手法では,低コストで低解像度のセンサから得られる3Dポイントを少数必要としている。 3次元検出の精度は最先端の単分子検出法と比較して20%向上する。
論文参考訳（メタデータ） (2024-04-10T03:54:53Z)
Multimodal Learned Sparse Retrieval with Probabilistic Expansion Control [66.78146440275093]
学習検索(LSR)は、クエリとドキュメントを疎語彙ベクトルにエンコードするニューラルネットワークのファミリーである。テキスト画像検索に焦点をあて,マルチモーダル領域へのLSRの適用について検討する。 LexLIPやSTAIRのような現在のアプローチでは、大規模なデータセットで複雑なマルチステップのトレーニングが必要です。提案手法は, 密度ベクトルを凍結密度モデルからスパース語彙ベクトルへ効率的に変換する。
論文参考訳（メタデータ） (2024-02-27T14:21:56Z)
Super-Resolution on Rotationally Scanned Photoacoustic Microscopy Images Incorporating Scanning Prior [12.947842858489516]
光音響顕微鏡(PAM)画像は、光コントラストと音響分解能の利点を組み合わせた脳研究で広く利用されている。走査速度と画像解像度の間にはトレードオフがあり、従来の走査と比較すると、回転走査は走査機構を最適化することで高速なPAMイメージングの好機となる。本研究では,回転走査型PAMイメージングのための新しい高性能超解像フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-12T12:41:35Z)
Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-26T14:38:42Z)
PolarMix: A General Data Augmentation Technique for LiDAR Point Clouds [100.03877236181546]
PolarMixは、シンプルで汎用的なポイントクラウド拡張技術である。様々な3Dディープアーキテクチャのプラグイン・アンド・プレイとして機能し、教師なしのドメイン適応にも適しています。
論文参考訳（メタデータ） (2022-07-30T13:52:19Z)
RayNet: Real-time Scene Arbitrary-shape Text Detection with Multiple Rays [84.15123599963239]
RayNetと呼ばれる任意の形状のテキスト検出のための新しい検出フレームワークを提案する。 RayNet はテキストに適合するために Center Point Set (CPS) と Ray Distance (RD) を使用し、テキストの一般的な位置を決定するために CPS を使用し、RD を CPS と組み合わせてRay Points (RP) を計算し、テキストの正確な形状をローカライズする。 RayNetは、既存の曲面テキストデータセット(CTW1500)と四角テキストデータセット(ICDAR2015)で素晴らしいパフォーマンスを達成する
論文参考訳（メタデータ） (2021-04-11T03:03:23Z)
Learning to Scan: A Deep Reinforcement Learning Approach for Personalized Scanning in CT Imaging [14.659201272881079]
CT (Computed Tomography) は, 被検体のX線計測を行い, 断層像の再構成を行う。圧縮センシングのような伝統的な方法は、通常ランダムに角度を選択し、許容される線量も等しく分配する。本稿では,RL(Reinforcement Learning)を用いてパーソナライズされたスキャンポリシーを学習し,各被験者に対して選択した角度と線量を選択することを提案する。
論文参考訳（メタデータ） (2020-06-03T17:50:54Z)
DR-SPAAM: A Spatial-Attention and Auto-regressive Model for Person Detection in 2D Range Data [81.06749792332641]
本研究では,異なるタイミングで得られたスキャンを組み合わせ,代替戦略を用いた人物検出ネットワークを提案する。 DR-SPAAMは、バックボーンネットワークから中間機能をテンプレートとして保持し、新しいスキャンが利用可能になったときにテンプレートをリカレントに更新する。 DROWデータセットでは,提案手法は既存の最先端技術よりも約4倍高速である。
論文参考訳（メタデータ） (2020-04-29T11:01:44Z)
TCM-ICP: Transformation Compatibility Measure for Registering Multiple LIDAR Scans [4.5412347600435465]
本稿では,複数重複するLiDARスキャンを登録するアルゴリズムを提案する。本研究では,TCM(Transform Compatibility Measure)と呼ばれる幾何学的指標を導入する。提案手法を実世界の4つの場面で評価し,実験結果から,提案手法の登録性能が従来の登録方式と同等か優れていることを示す。
論文参考訳（メタデータ） (2020-01-04T21:05:27Z)

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。