論文の概要: Symmetry and Variance: Generative Parametric Modelling of Historical Brick Wall Patterns

• arxiv url: http://arxiv.org/abs/2210.12856v1
• Date: Sun, 23 Oct 2022 21:14:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 13:53:39.436681
• Title: Symmetry and Variance: Generative Parametric Modelling of Historical Brick Wall Patterns
• Title（参考訳）: 対称性と分散:歴史的れんが壁パターンの生成的パラメトリックモデリング
• Authors: Sevgi Altun, Mustafa Cem Gunes, Yusuf H. Sahin, Alican Mertan, Gozde Unal, Mine Ozkar
• Abstract要約: アナトリア・セルジューク時代のレンガ壁の光度測定に基づく点雲モデルの解析を行った。 その動機は、そのスタイルの機械学習のために、大きなデータセットを生成することだ。
• 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: This study integrates artificial intelligence and computational design tools to extract information from architectural heritage. Photogrammetry-based point cloud models of brick walls from the Anatolian Seljuk period are analysed in terms of the interrelated units of construction, simultaneously considering both the inherent symmetries and irregularities. The real-world data is used as input for acquiring the stochastic parameters of spatial relations and a set of parametric shape rules to recreate designs of existing and hypothetical brick walls within the style. The motivation is to be able to generate large data sets for machine learning of the style and to devise procedures for robotic production of such designs with repetitive units.
• Abstract（参考訳）: 本研究は,人工知能と計算設計ツールを統合し,建築遺産から情報を抽出する。 アナトリア・セルジューク時代のレンガ壁の光度測定に基づく点雲モデルは, 固有の対称性と不規則性の両方を考慮して, 建設単位の相互関係から解析する。 実世界のデータは、空間関係の確率的パラメータとパラメトリック形状規則のセットを取得するための入力として使用され、そのスタイル内の既存のおよび仮説的レンガ壁の設計を再現する。 モチベーションは、このスタイルの機械学習のための大規模なデータセットを生成し、繰り返しユニットでそのようなデザインをロボットで生産するための手順を考案することである。

関連論文リスト

• Symmetry From Scratch: Group Equivariance as a Supervised Learning Task [1.8570740863168362]
  対称性を持つ機械学習データセットにおいて、対称性の破れとの後方互換性のパラダイムは、同変のアーキテクチャ制約を緩和することであった。 機械学習モデルにおける同値化を誘導する手法である対称性閉包を導入する。
  論文  参考訳（メタデータ） (2024-10-05T00:44:09Z)
• (Deep) Generative Geodesics [57.635187092922976]
  2つのデータポイント間の類似性を評価するために,新しい測定基準を導入する。 我々の計量は、生成距離と生成測地学の概念的定義に繋がる。 彼らの近似は、穏やかな条件下で真の値に収束することが証明されている。
  論文  参考訳（メタデータ） (2024-07-15T21:14:02Z)
• A Generative Model of Symmetry Transformations [44.87295754993983]
  我々はデータの近似対称性を明示的に捉えることを目的とした生成モデルを構築した。 我々は、アフィンおよび色変換の下で対称性を捕捉する能力を実証的に実証した。
  論文  参考訳（メタデータ） (2024-03-04T11:32:18Z)
• Morphological Symmetries in Robotics [45.32599550966704]
  形態的対称性は ロボットの形態の固有の特性です これらの対称性は、ロボットの状態空間とセンサーの測定にまで拡張される。 データ駆動型手法では, 機械学習モデルのサンプル効率と一般化を, モルフォロジー対称性により向上させることができることを示す。 解析手法の文脈では、ロボットの力学を低次元独立力学の重ね合わせに分解するために抽象調和解析を用いる。
  論文  参考訳（メタデータ） (2024-02-23T17:21:21Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• On the Symmetries of Deep Learning Models and their Internal Representations [1.418465438044804]
  我々は、モデルのファミリーのアーキテクチャから生じる対称性と、そのファミリーの内部データ表現の対称性を結びつけることを目指している。 我々の研究は、ネットワークの対称性が、そのネットワークのデータ表現の対称性に伝播されることを示唆している。
  論文  参考訳（メタデータ） (2022-05-27T22:29:08Z)
• CoSE: Compositional Stroke Embeddings [52.529172734044664]
  本稿では、ストロークベースの描画タスクのような複雑な自由形式構造に対する生成モデルを提案する。 我々のアプローチは、自動補完図のようなインタラクティブなユースケースに適している。
  論文  参考訳（メタデータ） (2020-06-17T15:22:54Z)
• Predicting Multidimensional Data via Tensor Learning [0.0]
  本研究では,本データセットの内在的多次元構造を保持するモデルを開発する。 モデルパラメータを推定するために、オルタネート・リースト・スクエアスアルゴリズムを開発した。 提案モデルは,予測文献に存在するベンチマークモデルより優れている。
  論文  参考訳（メタデータ） (2020-02-11T11:57:07Z)

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。