論文の概要: Data-Driven Stochastic Motion Evaluation and Optimization with Image by
Spatially-Aligned Temporal Encoding
- arxiv url: http://arxiv.org/abs/2302.05041v1
- Date: Fri, 10 Feb 2023 04:06:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-13 16:38:02.460646
- Title: Data-Driven Stochastic Motion Evaluation and Optimization with Image by
Spatially-Aligned Temporal Encoding
- Title（参考訳）: 時空間符号化による画像を用いたデータ駆動確率運動評価と最適化
- Authors: Takeru Oba and Norimichi Ukita
- Abstract要約: 本稿では,長動きに対する確率的動き予測法を提案し,その動きが与えられた画像で観測された初期状態からタスクを達成できるように予測する。
本手法は空間的に時間的エンコーディングによって画像特徴領域に画像と動きデータをシームレスに統合する。
提案手法の有効性は, 同様のSOTA法を用いた様々な実験で実証された。
- 参考スコア（独自算出の注目度）: 8.104557130048407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a probabilistic motion prediction method for long
motions. The motion is predicted so that it accomplishes a task from the
initial state observed in the given image. While our method evaluates the task
achievability by the Energy-Based Model (EBM), previous EBMs are not designed
for evaluating the consistency between different domains (i.e., image and
motion in our method). Our method seamlessly integrates the image and motion
data into the image feature domain by spatially-aligned temporal encoding so
that features are extracted along the motion trajectory projected onto the
image. Furthermore, this paper also proposes a data-driven motion optimization
method, Deep Motion Optimizer (DMO), that works with EBM for motion prediction.
Different from previous gradient-based optimizers, our self-supervised DMO
alleviates the difficulty of hyper-parameter tuning to avoid local minima. The
effectiveness of the proposed method is demonstrated with a variety of
experiments with similar SOTA methods.
- Abstract（参考訳）: 本稿では,長い動きに対する確率的動き予測手法を提案する。
動きは、与えられた画像で観察された初期状態からタスクを達成するように予測される。
本手法は,エネルギベースモデル(EBM)によりタスク達成性を評価するが,従来のEMMは異なる領域間の整合性(画像と動き)を評価するように設計されていない。
本手法は,画像上に投影された運動軌跡に沿って特徴が抽出されるように,空間的に時間的符号化によって画像特徴領域に画像と動きデータをシームレスに統合する。
さらに,データ駆動型モーション最適化手法であるdeep motion optimizer (dmo) を提案する。
従来の勾配に基づく最適化と異なり、我々の自己監督型DMOは局所最小化を避けるためにハイパーパラメータチューニングの難しさを軽減する。
提案手法の有効性は, 同様のSOTA法を用いて様々な実験を行った。
関連論文リスト
- Motion-prior Contrast Maximization for Dense Continuous-Time Motion Estimation [34.529280562470746]
コントラスト最大化フレームワークと非直線運動を組み合わせた新たな自己監督的損失を画素レベルの軌跡の形で導入する。
連続時間運動の高密度推定では, 合成学習モデルのゼロショット性能を29%向上する。
論文 参考訳（メタデータ） (2024-07-15T15:18:28Z) - Differentiable Score-Based Likelihoods: Learning CT Motion Compensation From Clean Images [3.0013267540370423]
運動アーティファクトはCT画像の診断値を損なう可能性がある。
頭頂部CT画像の鮮明化のための確率密度推定器として機能するスコアベースモデルを訓練する。
運動影響CT画像の偏差を理想分布から推定する。
論文 参考訳（メタデータ） (2024-04-23T04:59:34Z) - Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。
本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。
本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-04-19T19:44:24Z) - Motion Flow Matching for Human Motion Synthesis and Editing [75.13665467944314]
本研究では,効率的なサンプリングと効率性を備えた人体運動生成のための新しい生成モデルであるemphMotion Flow Matchingを提案する。
提案手法は, 従来の拡散モデルにおいて, サンプリングの複雑さを1000ステップから10ステップに減らし, テキスト・ツー・モーション・ジェネレーション・ベンチマークやアクション・ツー・モーション・ジェネレーション・ベンチマークで同等の性能を実現する。
論文 参考訳（メタデータ） (2023-12-14T12:57:35Z) - Dyna-DepthFormer: Multi-frame Transformer for Self-Supervised Depth
Estimation in Dynamic Scenes [19.810725397641406]
シーン深度と3次元運動場を協調的に予測する新しいDyna-Depthformerフレームワークを提案する。
まず,多視点の相関を一連の自己・横断的層を通じて活用し,深度特徴表現の強化を図る。
第2に,動的物体の運動場をセマンティック・プレセプションを使わずに推定するワーピングに基づく運動ネットワークを提案する。
論文 参考訳（メタデータ） (2023-01-14T09:43:23Z) - Learning Implicit Priors for Motion Optimization [105.11889448885226]
エネルギーベースモデル(EBM)は、表現力のある確率密度分布を表す。
本稿では,EMMを動作最適化に適用するために必要となるモデリングとアルゴリズムの選択について述べる。
論文 参考訳（メタデータ） (2022-04-11T19:14:54Z) - Extension of Dynamic Mode Decomposition for dynamic systems with
incomplete information based on t-model of optimal prediction [69.81996031777717]
動的モード分解は、動的データを研究するための非常に効率的な手法であることが証明された。
このアプローチの適用は、利用可能なデータが不完全である場合に問題となる。
本稿では,森-Zwanzig分解の1次近似を考察し,対応する最適化問題を記述し,勾配に基づく最適化法を用いて解く。
論文 参考訳（メタデータ） (2022-02-23T11:23:59Z) - EM-driven unsupervised learning for efficient motion segmentation [3.5232234532568376]
本稿では,光学的流れからの動作分割のためのCNNに基づく完全教師なし手法を提案する。
本研究では,移動分割ニューラルネットワークの損失関数とトレーニング手順を活用するために,期待最大化(EM)フレームワークを利用する。
提案手法は, 教師なし手法よりも優れ, 効率的である。
論文 参考訳（メタデータ） (2022-01-06T14:35:45Z) - MotionHint: Self-Supervised Monocular Visual Odometry with Motion
Constraints [70.76761166614511]
モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。
我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
論文 参考訳（メタデータ） (2021-09-14T15:35:08Z) - Conditional Temporal Variational AutoEncoder for Action Video Prediction [66.63038712306606]
ACT-VAEは、単一の入力画像からアクションクリップのポーズシーケンスを予測する。
プラグアンドプレイのP2Iネットワークに接続すると、ACT-VAEは画像シーケンスを合成できる。
論文 参考訳（メタデータ） (2021-08-12T10:59:23Z) - Learning a Generative Motion Model from Image Sequences based on a
Latent Motion Matrix [8.774604259603302]
画像列の時間的登録をシミュレートして確率的動きモデルを学ぶ。
3つの最先端登録アルゴリズムと比較して,登録精度と時間的にスムーズな整合性が改善された。
また, フレームの欠落のあるシーケンスからの動作再構成を改良し, 動作解析, シミュレーション, 超解像に対するモデルの適用性を実証した。
論文 参考訳（メタデータ） (2020-11-03T14:44:09Z)
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。