論文の概要: Multi-field Visualisation via Trait-induced Merge Trees
- arxiv url: http://arxiv.org/abs/2308.09015v1
- Date: Thu, 17 Aug 2023 14:40:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 16:36:29.828333
- Title: Multi-field Visualisation via Trait-induced Merge Trees
- Title（参考訳）: トレート誘導マージツリーによるマルチフィールド可視化
- Authors: Jochen Jankowai, Talha Bin Masood, and Ingrid Hotz
- Abstract要約: 属性空間で定義された特性の概念は、特徴レベルセットフレームワークで導入されたものと同じである。
属性空間における結果の距離場は、トポロジカルデータ解析の入力となる空間領域におけるスカラー場を誘導する。
提案手法は、異なるアスペクトのハイライトを可能にする、ツリーに対する異なるクエリメソッドを含む。
- 参考スコア（独自算出の注目度）: 3.7332349900024013
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this work, we propose trait-based merge trees a generalization of merge
trees to feature level sets, targeting the analysis of tensor field or general
multi-variate data. For this, we employ the notion of traits defined in
attribute space as introduced in the feature level sets framework. The
resulting distance field in attribute space induces a scalar field in the
spatial domain that serves as input for topological data analysis. The leaves
in the merge tree represent those areas in the input data that are closest to
the defined trait and thus most closely resemble the defined feature. Hence,
the merge tree yields a hierarchy of features that allows for querying the most
relevant and persistent features. The presented method includes different query
methods for the tree which enable the highlighting of different aspects. We
demonstrate the cross-application capabilities of this approach with three case
studies from different domains.
- Abstract（参考訳）: 本研究では,特徴量集合へのマージツリーの一般化として,テンソル場や多変量データの解析を対象とするトレイト系マージツリーを提案する。
このため、特徴量集合フレームワークで導入された属性空間で定義された特性の概念を用いる。
属性空間における結果の距離場は、トポロジカルデータ解析の入力となる空間領域におけるスカラー場を誘導する。
マージツリーの葉は、定義された特性に最も近い入力データ内のこれらの領域を表し、したがって定義された特徴に最もよく似ている。
従ってマージツリーは,最も関連性の高い,永続的な機能のクエリを可能にする機能階層を形成する。
提案手法は、異なるアスペクトのハイライトを可能にする、ツリーに対する異なるクエリメソッドを含む。
このアプローチのクロスアプリケーション機能を、異なるドメインの3つのケーススタディで実証する。
関連論文リスト
- Ranking Perspective for Tree-based Methods with Applications to Symbolic Feature Selection [3.2964064859807496]
木に基づく手法は統計学や機械学習において強力な非パラメトリック手法である。
近年の応用は、現在の理論的理解の下では明らかでない変換を区別する驚くべき能力を明らかにしている。
この研究は、ランク付けの観点から木に基づく手法の有限サンプル解析を提供する。
論文 参考訳（メタデータ） (2024-10-03T16:03:39Z) - View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。
本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。
提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
論文 参考訳（メタデータ） (2024-05-30T04:14:58Z) - AdaTreeFormer: Few Shot Domain Adaptation for Tree Counting from a Single High-Resolution Image [11.649568595318307]
本稿では,十分なラベル付き木を用いてソースドメインから学習するフレームワークを提案する。
限られた数のラベル付き木しか持たないターゲットドメインに適合する。
実験の結果、AdaTreeFormerは最先端の技術をはるかに上回っていることがわかった。
論文 参考訳（メタデータ） (2024-02-05T12:34:03Z) - UniVIE: A Unified Label Space Approach to Visual Information Extraction
from Form-like Documents [11.761942458294136]
我々は,VIEを関係予測問題とみなし,異なるタスクのラベルを単一のラベル空間に統合する新たな視点を提案する。
この統一されたアプローチは、様々な関係型の定義を可能にし、フォームライクなドキュメントにおける階層的関係に効果的に取り組む。
我々は、VIE問題に包括的に対処する統一モデルUniVIEを提案する。
論文 参考訳（メタデータ） (2024-01-17T14:02:36Z) - Benchmarking Individual Tree Mapping with Sub-meter Imagery [6.907098367807166]
我々は,任意の物理的環境において,個々の木マッピングに適した評価フレームワークを提案する。
異なるアプローチと深いアーキテクチャをレビューし比較し、セグメンテーションと検出のよい妥協であることを示す新しい手法を実験的に導入する。
論文 参考訳（メタデータ） (2023-11-14T08:21:36Z) - Hierarchical Matching and Reasoning for Multi-Query Image Retrieval [113.44470784756308]
マルチクエリ画像検索のための階層マッチング・推論ネットワーク(HMRN)を提案する。
MQIRを3つの階層的なセマンティック表現に分解し、きめ細かい局所的な詳細、文脈的グローバルスコープ、高レベルの固有の相関をキャプチャする責任を負う。
我々のHMRNは最先端の手法を大幅に上回っている。
論文 参考訳（メタデータ） (2023-06-26T07:03:56Z) - Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。
クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。
このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文 参考訳（メタデータ） (2023-05-24T11:05:12Z) - Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。
例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。
本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
論文 参考訳（メタデータ） (2021-03-22T14:32:44Z) - Rethinking Learnable Tree Filter for Generic Feature Transform [71.77463476808585]
Learnable Tree Filterはセマンティックセグメンテーションのためのモデル構造保存関係に対する顕著なアプローチを示す。
幾何学的制約を緩和するために,マルコフ確率場として再構成して解析を行い,学習可能な不定項を導入する。
セマンティックセグメンテーションでは、ベルとホイッスルなしでCityscapesベンチマークでトップパフォーマンス(82.1% mIoU)を達成しています。
論文 参考訳（メタデータ） (2020-12-07T07:16:47Z) - Measure Inducing Classification and Regression Trees for Functional Data [0.0]
機能的データ分析の文脈における分類と回帰問題に対する木に基づくアルゴリズムを提案する。
これは、制約付き凸最適化により重み付き汎函数 L2$ 空間を学習することで達成される。
論文 参考訳（メタデータ） (2020-10-30T18:49:53Z) - Learning to Infer Unseen Attribute-Object Compositions [55.58107964602103]
単一属性と多属性オブジェクトの両方を柔軟に認識できるグラフベースモデルを提案する。
我々は116,099の画像と8,030の合成カテゴリを持つ大規模マルチ属性データセットを構築した。
論文 参考訳（メタデータ） (2020-10-27T14:57:35Z)
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。