論文の概要: Triggering Dark Showers with Conditional Dual Auto-Encoders
- arxiv url: http://arxiv.org/abs/2306.12955v1
- Date: Thu, 22 Jun 2023 15:13:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-23 14:05:55.618105
- Title: Triggering Dark Showers with Conditional Dual Auto-Encoders
- Title(参考訳): 条件付きデュアルオートエンコーダによるダークシャワーのトリガー
- Authors: Luca Anzalone, Simranjit Singh Chhibra, Benedikt Maier, Nadezda
Chernyavskaya, and Maurizio Pierini
- Abstract要約: 自動エンコーダ(AE)は、衝突者に対する新しい物理探索のための効果的で汎用的なツールである可能性がある。
本稿では,異常検出問題として定式化された探索を行い,AEを用いて事象の物理特性を決定する基準を定義する。
コンディショニングによりコンパクトな潜在空間を学習できるデュアルエンコーダの設計を提案する。
- 参考スコア(独自算出の注目度): 1.2622086660704197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Auto-encoders (AEs) have the potential to be effective and generic tools for
new physics searches at colliders, requiring little to no model-dependent
assumptions. New hypothetical physics signals can be considered anomalies that
deviate from the well-known background processes generally expected to describe
the whole dataset. We present a search formulated as an anomaly detection (AD)
problem, using an AE to define a criterion to decide about the physics nature
of an event. In this work, we perform an AD search for manifestations of a dark
version of strong force using raw detector images, which are large and very
sparse, without leveraging any physics-based pre-processing or assumption on
the signals. We propose a dual-encoder design which can learn a compact latent
space through conditioning. In the context of multiple AD metrics, we present a
clear improvement over competitive baselines and prior approaches. It is the
first time that an AE is shown to exhibit excellent discrimination against
multiple dark shower models, illustrating the suitability of this method as a
performant, model-independent algorithm to deploy, e.g., in the trigger stage
of LHC experiments such as ATLAS and CMS.
- Abstract(参考訳): オートエンコーダ(aes)は、衝突型加速器での新しい物理探索のための効率的で汎用的なツールになり得る。
新しい仮説物理信号は、一般的にデータセット全体を記述することが期待される、よく知られたバックグラウンドプロセスから逸脱する異常と見なすことができる。
本稿では,異常検出(AD)問題として定式化された探索を行い,AEを用いて事象の物理特性を決定する基準を定義する。
本研究では、物理に基づく事前処理や信号の仮定を使わずに、大きく、非常に疎い原位置検出画像を用いて、強い力のダークバージョンをAD検索する。
コンディショニングによりコンパクトな潜在空間を学習できるデュアルエンコーダの設計を提案する。
複数のADメトリクスの文脈では、競合するベースラインや事前アプローチよりも明確な改善を示す。
アトラスやcmsなどのlhc実験のトリガーステージでは、aeが複数のダークシャワーモデルに対して優れた識別を示すことが示され、この手法がモデルに依存しない高性能なアルゴリズムとして適用可能であることが示されている。
関連論文リスト
- Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation :
A Unified Approach [52.14916470104883]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳(メタデータ) (2023-11-27T13:14:06Z) - Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。
近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。
本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文 参考訳(メタデータ) (2023-11-13T02:54:17Z) - Patch-wise Auto-Encoder for Visual Anomaly Detection [2.4976719861186845]
本稿では,AEのアノマリーに対する再構成能力を弱めることなく向上することを目的としたパッチワイド自動エンコーダフレームワークを提案する。
本手法は,Mvtec ADベンチマークの最先端性能を向上し,本モデルの有効性を実証する。
論文 参考訳(メタデータ) (2023-08-01T10:15:15Z) - Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly
Detectors [117.61449210940955]
ビデオフレームレベルで適用された軽量マスク付きオートエンコーダ(AE)に基づく効率的な異常事象検出モデルを提案する。
動き勾配に基づく重みトークンへのアプローチを導入し、静的背景シーンから前景オブジェクトへ焦点を移す。
トレーニングビデオの強化のために合成異常事象を生成し,マスク付きAEモデルを用いてオリジナルのフレームを共同で再構築する。
論文 参考訳(メタデータ) (2023-06-21T06:18:05Z) - Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。
本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。
HypADは自己指導で入力信号を再構築する。
論文 参考訳(メタデータ) (2022-11-16T21:31:39Z) - Autoencoders for unsupervised anomaly detection in high energy physics [105.54048699217668]
QCDジェット画像の背景にあるトップジェット画像のタグ付けについて検討する。
標準オートエンコーダ設定をモデル非依存の異常タガーとはみなせないことを示す。
モデル非依存異常検出の課題に対する性能改善策を提案する。
論文 参考訳(メタデータ) (2021-04-19T05:06:57Z) - Anomaly Detection With Conditional Variational Autoencoders [1.3541554606406663]
我々は,Deep Conditional Variational Autoencoder (CVAE) を利用して,階層的に構造化されたデータを対象としたメトリクスとともに,元の損失関数を定義する。
CERN大ハドロン衝突型加速器における多くの粒子物理学実験の基本的な構成要素であるトリガーシステムを監視する。
論文 参考訳(メタデータ) (2020-10-12T08:39:37Z) - Anomaly Awareness [0.0]
本稿では,異常認識と呼ばれる新しい異常検出アルゴリズムを提案する。
アルゴリズムは、コスト関数の修正により異常を認識しながら、通常の事象について学習する。
本手法は粒子物理学の異なる状況やコンピュータビジョンの標準的なタスクでどのように機能するかを示す。
論文 参考訳(メタデータ) (2020-07-20T16:39:15Z) - To Regularize or Not To Regularize? The Bias Variance Trade-off in
Regularized AEs [10.611727286504994]
AEモデルの生成決定論的品質に及ぼす潜伏剤の影響について検討する。
我々は、FlexAEと呼ばれるモデルが、AEベースの生成モデルのための新しい最先端技術であることを示します。
論文 参考訳(メタデータ) (2020-06-10T14:00:14Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。