Fugu-MT 論文翻訳(概要): Quantum Feature Extraction for THz Multi-Layer Imaging

論文の概要: Quantum Feature Extraction for THz Multi-Layer Imaging

arxiv url: http://arxiv.org/abs/2207.09285v1
Date: Mon, 18 Jul 2022 17:49:40 GMT
ステータス: 処理完了
システム内更新日: 2022-07-20 14:37:05.134874
Title: Quantum Feature Extraction for THz Multi-Layer Imaging
Title（参考訳）: THzマルチレイアイメージングのための量子特徴抽出
Authors: Toshiaki Koike-Akino, Pu Wang, Genki Yamashita, Wataru Tsujita, Makoto Nakajima
Abstract要約: 学習に基づくTHz多層イメージングは、最近、接触のない3次元位置決めと符号化に使われている。本稿では、深度変化、影効果、両面のコンテンツ認識を扱うための量子機械学習フレームワークのコンセプト実証を示す。
参考スコア（独自算出の注目度）: 13.983836319811907
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A learning-based THz multi-layer imaging has been recently used for contactless three-dimensional (3D) positioning and encoding. We show a proof-of-concept demonstration of an emerging quantum machine learning (QML) framework to deal with depth variation, shadow effect, and double-sided content recognition, through an experimental validation.
Abstract（参考訳）: 学習に基づくTHz多層イメージングは、最近、接触のない3次元位置決めと符号化に使われている。実験的な検証を通じて,奥行きの変動,シャドウ効果,ダブルサイドコンテンツ認識を扱う,新たな量子機械学習(qml)フレームワークの概念実証実験を行う。

関連論文リスト

Quantum Multimodal Contrastive Learning Framework [0.0]
本稿では,脳波と画像データを統合するために量子エンコーダを用いたマルチモーダルコントラスト学習フレームワークを提案する。量子エンコーダは脳波信号と画像特徴の複雑なパターンを効果的にキャプチャし、モダリティ間のコントラスト学習を改善することを実証する。
論文参考訳（メタデータ） (2024-08-25T19:08:43Z)
Weakly Supervised Monocular 3D Detection with a Single-View Image [58.57978772009438]
モノクロ3D検出は、単一視点画像からの正確な3Dオブジェクトのローカライゼーションを目的としている。 SKD-WM3Dは弱い教師付き単分子3D検出フレームワークである。我々は,SKD-WM3Dが最先端技術を超え,多くの完全教師付き手法と同等であることを示した。
論文参考訳（メタデータ） (2024-02-29T13:26:47Z)
Point Cloud Self-supervised Learning via 3D to Multi-view Masked Autoencoder [21.73287941143304]
Multi-Modality Masked AutoEncoders (MAE) 法は2次元画像と3次元点雲の両方を事前学習に利用している。本稿では、3次元から多視点のマスク付きオートエンコーダを用いて、3次元点雲のマルチモーダル特性をフル活用する手法を提案する。提案手法は,様々な下流タスクにおいて,最先端のタスクよりも大きなマージンで性能を向上する。
論文参考訳（メタデータ） (2023-11-17T22:10:03Z)
Quantum Convolutional Neural Networks with Interaction Layers for Classification of Classical Data [1.4801853435122907]
本稿では,3量子相互作用を利用した新しい相互作用層を持つ量子畳み込みネットワークを提案する。画像と1次元データの両方を分類するために,ネットワークの表現性とエンタングル能力について検討した。提案手法は、MNIST、Fashion MNIST、Irisデータセットという3つの公開データセットでテストされている。
論文参考訳（メタデータ） (2023-07-20T20:45:44Z)
Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。 GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。 BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
論文参考訳（メタデータ） (2023-04-06T14:33:05Z)
Quantum Phase Recognition using Quantum Tensor Networks [0.0]
本稿では,教師付き学習タスクのためのテンソルネットワークにインスパイアされた浅部変分アンザツに基づく量子機械学習手法について検討する。マルチスケールエンタングルメント再正規化アンサッツ (MERA) とツリーテンソルネットワーク (TTN) がパラメタライズド量子回路にインスパイアされた場合、テストセットの精度が$geq 98%に達する。
論文参考訳（メタデータ） (2022-12-12T19:29:07Z)
A Simple Baseline for Multi-Camera 3D Object Detection [94.63944826540491]
周囲のカメラで3Dオブジェクトを検出することは、自動運転にとって有望な方向だ。マルチカメラオブジェクト検出のための簡易ベースラインであるSimMODを提案する。我々は, nuScenes の3次元オブジェクト検出ベンチマークにおいて, SimMOD の有効性を示す広範囲な実験を行った。
論文参考訳（メタデータ） (2022-08-22T03:38:01Z)
PointMCD: Boosting Deep Point Cloud Encoders via Multi-view Cross-modal Distillation for 3D Shape Recognition [55.38462937452363]
本稿では,教師として事前訓練されたディープイメージエンコーダ,学生としてディープポイントエンコーダを含む多視点クロスモーダル蒸留アーキテクチャを提案する。複数ビューの視覚的および幾何学的記述子をペアワイズにアライメントすることで、より強力なディープポイントエンコーダを、疲労や複雑なネットワーク修正を伴わずに得ることができる。
論文参考訳（メタデータ） (2022-07-07T07:23:20Z)
DiFT: Differentiable Differential Feature Transform for Multi-View Stereo [16.47413993267985]
我々は、回転運動で密にキャプチャされた画像のスタックから、各ビューで空間的に識別され、図形ごとに不変な画像へと、微分キューを変換することを学ぶ。これらの低レベル機能は、既存のマルチビューステレオ技術に直接供給し、拡張された3D再構成を行うことができる。
論文参考訳（メタデータ） (2022-03-16T07:12:46Z)
Deep Continuous Fusion for Multi-Sensor 3D Object Detection [103.5060007382646]
本稿では,LIDARとカメラを併用して高精度な位置検出を実現する3Dオブジェクト検出器を提案する。我々は,連続畳み込みを利用して画像とlidar特徴マップを異なるレベルの解像度で融合する,エンドツーエンド学習可能なアーキテクチャを設計した。
論文参考訳（メタデータ） (2020-12-20T18:43:41Z)
Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文参考訳（メタデータ） (2020-04-05T12:52:29Z)

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。