論文の概要: Perceptual Kalman Filters: Online State Estimation under a Perfect Perceptual-Quality Constraint

• arxiv url: http://arxiv.org/abs/2306.02400v1
• Date: Sun, 4 Jun 2023 16:29:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 18:07:40.054533
• Title: Perceptual Kalman Filters: Online State Estimation under a Perfect Perceptual-Quality Constraint
• Title（参考訳）: 知覚カルマンフィルタ:完全な知覚品質制約下でのオンライン状態推定
• Authors: Dror Freirich and Tomer Michaeli and Ron Meir
• Abstract要約: 回復した信号の分布が自然信号と同じである場合、完全な知覚品質が得られる。 知覚的制約がない場合、カルマンフィルタは MSE の意味で最適であることが知られている。 我々の分析は、カルマンフィルタの古典的な革新プロセスを超えており、未利用情報プロセスという新しい概念を紹介している。
• 参考スコア（独自算出の注目度）: 40.32493339923475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many practical settings call for the reconstruction of temporal signals from corrupted or missing data. Classic examples include decoding, tracking, signal enhancement and denoising. Since the reconstructed signals are ultimately viewed by humans, it is desirable to achieve reconstructions that are pleasing to human perception. Mathematically, perfect perceptual-quality is achieved when the distribution of restored signals is the same as that of natural signals, a requirement which has been heavily researched in static estimation settings (i.e. when a whole signal is processed at once). Here, we study the problem of optimal causal filtering under a perfect perceptual-quality constraint, which is a task of fundamentally different nature. Specifically, we analyze a Gaussian Markov signal observed through a linear noisy transformation. In the absence of perceptual constraints, the Kalman filter is known to be optimal in the MSE sense for this setting. Here, we show that adding the perfect perceptual quality constraint (i.e. the requirement of temporal consistency), introduces a fundamental dilemma whereby the filter may have to "knowingly" ignore new information revealed by the observations in order to conform to its past decisions. This often comes at the cost of a significant increase in the MSE (beyond that encountered in static settings). Our analysis goes beyond the classic innovation process of the Kalman filter, and introduces the novel concept of an unutilized information process. Using this tool, we present a recursive formula for perceptual filters, and demonstrate the qualitative effects of perfect perceptual-quality estimation on a video reconstruction problem.
• Abstract（参考訳）: 多くの実践的な設定は、破損または欠落したデータから時間信号の復元を要求する。 古典的な例としては、デコード、トラッキング、信号強調、デノージングなどがある。 再建された信号は最終的に人間によって認識されるため、人間の知覚を喜ばせる再建が望まれる。 数学的には、復元された信号の分布が自然信号と同じである場合、完全な知覚品質が達成される。 そこで本研究では,完全知覚品質制約下での最適因果フィルタリングの問題について検討する。 具体的には,線形雑音変換によって観測されるガウスマルコフ信号の解析を行う。 知覚的制約がない場合、カルマンフィルタはこの設定においてmseの意味で最適であることが知られている。 ここでは,完全な知覚品質制約(すなわち時間的整合性の要件)を加えることで,フィルタが過去の決定に適合するために,観測者が明らかにした新たな情報を「意識的に」無視しなければならない,基本的なジレンマが生じることを示す。 これはしばしば、MSE(静的な設定で遭遇する以外)を大幅に増加させるコストがかかる。 我々の分析はカルマンフィルタの古典的な革新プロセスを超えており、未利用情報プロセスという新しい概念を導入している。 このツールを用いて,知覚フィルタの再帰的公式を示し,映像再構成問題に対する完全知覚品質推定の質的効果を示す。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Graph Signal Sampling for Inductive One-Bit Matrix Completion: a Closed-form Solution [112.3443939502313]
  グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。 キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。 オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
  論文  参考訳（メタデータ） (2023-02-08T08:17:43Z)
• Kalman Filtering with Adversarial Corruptions [33.99155519390116]
  我々は, 線形二次推定において, 一定数の測定値が逆向きに破損した場合に, 最初の強い証明可能な保証を与える。 我々の研究はベイズ的な挑戦的な状況にあり、測定の回数は見積もりの複雑さと共にスケールする。 我々は、異なる時間ステップと異なる時間スケールにまたがる情報を堅牢に抽出する一連の新しい技術を開発した。
  論文  参考訳（メタデータ） (2021-11-11T18:59:21Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)
• A recursive robust filtering approach for 3D registration [3.5270468102327004]
  提案手法は, 既往のソリューションではまだ発生していない4つの利点を有する。 固有ノイズ汚染センサデータを扱うことができる。 ノイズのある特徴ローカライゼーションによる不確実性に対して堅牢である。
  論文  参考訳（メタデータ） (2021-10-28T07:50:02Z)
• On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
  深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。 ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。 これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
  論文  参考訳（メタデータ） (2021-07-02T15:10:42Z)
• Convex Sparse Blind Deconvolution [5.316642466238073]
  未知のフィルタと未知の信号の畳み込みを観察し,フィルタと信号の再構成を試みる。 この問題は一般には不可能に思える。 凸最適化問題により、近似を真のフィルタに変換することで、真のフィルタの高精度回復を実現することができることを示す。
  論文  参考訳（メタデータ） (2021-06-13T17:39:26Z)
• Applications of Koopman Mode Analysis to Neural Networks [52.77024349608834]
  我々は,ニューラルネットワークのトレーニング過程を,高次元の重み空間に作用する力学系と考える。 アーキテクチャに必要なレイヤ数を決定するために、Koopmanスペクトルをどのように利用できるかを示す。 また、Koopmanモードを使えば、ネットワークを選択的にプーンしてトレーニング手順を高速化できることを示す。
  論文  参考訳（メタデータ） (2020-06-21T11:00:04Z)
• Uncertainty quantification in imaging and automatic horizon tracking: a Bayesian deep-prior based approach [0.5156484100374059]
  不確実性定量化(英: Uncertainty Quantification、UQ)は、解の不均一性とデータノイズ感度の確率論的記述を扱う。 本稿では,階層モデルを決定するために,UQが地平線追跡にどのように貢献するかに焦点を当てる。
  論文  参考訳（メタデータ） (2020-04-01T04:26:33Z)

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。