Fugu-MT 論文翻訳(概要): Efficient Graphics Representation with Differentiable Indirection

論文の概要: Efficient Graphics Representation with Differentiable Indirection

arxiv url: http://arxiv.org/abs/2309.08387v2
Date: Fri, 17 Nov 2023 21:12:56 GMT
ステータス: 処理完了
システム内更新日: 2023-11-22 17:54:34.759949
Title: Efficient Graphics Representation with Differentiable Indirection
Title（参考訳）: 微分インダクションを用いた効率的なグラフィクス表現
Authors: Sayantan Datta, Carl Marshall, Derek Nowrouzezahrai, Zhao Dong, Zhengqin Li
Abstract要約: 差別化可能な間接(di differentiable indirection) - 差別化可能なマルチスケールルックアップテーブルを使用する新しい学習プリミティブ。あらゆる場合において、微分可能な間接は既存のアーキテクチャにシームレスに統合され、迅速に訓練され、多目的かつ効率的な結果をもたらす。
参考スコア（独自算出の注目度）: 17.025494260380476
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce differentiable indirection -- a novel learned primitive that employs differentiable multi-scale lookup tables as an effective substitute for traditional compute and data operations across the graphics pipeline. We demonstrate its flexibility on a number of graphics tasks, i.e., geometric and image representation, texture mapping, shading, and radiance field representation. In all cases, differentiable indirection seamlessly integrates into existing architectures, trains rapidly, and yields both versatile and efficient results.
Abstract（参考訳）: これは、グラフィクスパイプライン全体にわたる従来の計算およびデータ操作の効果的な代用として、差別化可能なマルチスケールルックアップテーブルを使用する、新しい学習プリミティブです。我々は,幾何および画像表現,テクスチャマッピング,シェーディング,放射場表現など,多くのグラフィックタスクにおいて柔軟性を示す。あらゆる場合において、微分可能な間接は既存のアーキテクチャにシームレスに統合され、迅速に訓練され、多目的かつ効率的な結果をもたらす。

関連論文リスト

From Primes to Paths: Enabling Fast Multi-Relational Graph Analysis [5.008498268411793]
マルチリレーショナルネットワークは、データの複雑な関係を捉え、バイオメディカル、ファイナンシャル、社会科学などの分野にまたがる多様な応用を持つ。この研究は、ネットワーク内の異なる関係をユニークに表現するために素数を使用するプライム・アジャケーシ・マトリクス・フレームワークを拡張している。
論文参考訳（メタデータ） (2024-11-17T18:43:01Z)
Material Transforms from Disentangled NeRF Representations [23.688782106067166]
異なるシーン間で物質変換を伝達する新しい手法を提案する。両方向反射率分布関数 (BRDF) を, 様々な条件下で観測された一対のシーンからマップする。学習された変換は、同じ素材で見えないシーンに適用できるため、学習した変換を任意のレベルの強度で効果的にレンダリングすることができる。
論文参考訳（メタデータ） (2024-11-12T18:59:59Z)
Graph-Dictionary Signal Model for Sparse Representations of Multivariate Data [49.77103348208835]
グラフの有限集合がラプラシアンの重み付き和を通してデータ分布の関係を特徴付けるグラフ辞書信号モデルを定義する。本稿では,観測データからグラフ辞書表現を推論するフレームワークを提案する。我々は,脳活動データに基づく運動画像復号作業におけるグラフ辞書表現を利用して,従来の手法よりも想像的な動きをよりよく分類する。
論文参考訳（メタデータ） (2024-11-08T17:40:43Z)
LEGO: Learnable Expansion of Graph Operators for Multi-Modal Feature Fusion [32.09145985103859]
コンピュータビジョンタスクでは、機能はしばしばテキスト、画像、ビデオなどの様々な表現、ドメイン、モダリティから来る。本稿では,高次元の特徴空間から,類似性グラフを構成することで,より低次元の解釈可能なグラフ空間へシフトする。我々のアプローチは関係中心であり、均質な空間で機能し、数学的に原理化されている。
論文参考訳（メタデータ） (2024-10-02T12:58:55Z)
Flow Factorized Representation Learning [109.51947536586677]
本稿では、異なる入力変換を定義する潜在確率パスの別個のセットを規定する生成モデルを提案する。本モデルは,ほぼ同変モデルに近づきながら,標準表現学習ベンチマークにおいて高い確率を達成することを示す。
論文参考訳（メタデータ） (2023-09-22T20:15:37Z)
A System for Morphology-Task Generalization via Unified Representation and Behavior Distillation [28.041319351752485]
本研究では,多量の熟練した行動データを蒸留することにより,様々な形態のエージェントを操り,様々なタスクをこなす単一ポリシーを学習する方法について検討する。本稿では, 観測, 行動, 目標/タスクを統一されたグラフ表現で扱うモルフォロジー・タスクグラフを紹介する。また,多種多様な形態とタスクの組み合わせの手続き的生成を支援する高速な大規模行動生成のためのMxT-Benchを開発した。
論文参考訳（メタデータ） (2022-11-25T18:52:48Z)
DyTed: Disentangled Representation Learning for Discrete-time Dynamic Graph [59.583555454424]
離散時間動的グラフ、すなわちDyTedのための新しいディペンタングル表現学習フレームワークを提案する。本研究では,時間不変の表現と時間変動の表現を効果的に識別する構造的コントラスト学習とともに,時間的クリップのコントラスト学習タスクを特別に設計する。
論文参考訳（メタデータ） (2022-10-19T14:34:12Z)
Analogous to Evolutionary Algorithm: Designing a Unified Sequence Model [58.17021225930069]
実演的進化アルゴリズム(EA)と類似した視覚変換器の合理性について説明する。我々は、より効率的なEATモデルを提案し、様々なタスクに柔軟に対処するタスク関連ヘッドを設計する。近年のビジョントランスに比べて,イメージネット分類作業における最先端の成果が得られている。
論文参考訳（メタデータ） (2021-05-31T16:20:03Z)
Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
論文参考訳（メタデータ） (2021-04-01T09:29:05Z)
Unsupervised Discovery of Disentangled Manifolds in GANs [74.24771216154105]
解釈可能な生成プロセスは、様々な画像編集アプリケーションに有用である。本稿では,任意の学習された生成逆数ネットワークが与えられた潜在空間における解釈可能な方向を検出する枠組みを提案する。
論文参考訳（メタデータ） (2020-11-24T02:18:08Z)
The Immersion of Directed Multi-graphs in Embedding Fields. Generalisations [0.0]
本稿では,ハイブリッドカテゴリー,シンボル,知覚感覚,知覚潜在データを表す汎用モデルについて概説する。この表現は、コンピュータビジョンにおける様々な機械学習モデル、NLP/NLUで現在使用されている。これは、様々な潜在空間からの埋め込みを表す少なくともいくつかのエッジ属性を持つ有向リレーショナル型マルチグラフを提供することによって達成される。
論文参考訳（メタデータ） (2020-04-28T09:28:08Z)

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。