Fugu-MT 論文翻訳(概要): Matching via Distance Profiles

論文の概要: Matching via Distance Profiles

arxiv url: http://arxiv.org/abs/2312.12641v1
Date: Tue, 19 Dec 2023 22:36:37 GMT
ステータス: 処理完了
システム内更新日: 2023-12-21 17:39:11.478427
Title: Matching via Distance Profiles
Title（参考訳）: 距離プロファイルによるマッチング
Authors: YoonHaeng Hur, Yuehaw Khoo
Abstract要約: 距離プロファイルに基づくマッチング手法を導入・研究する。点雲のマッチングのために,線形プログラムを解くことで,提案手法を容易に実装できる。また、位置-位置マッチングを実行する柔軟な方法を提案し、分析する。
参考スコア（独自算出の注目度）: 0.40792653193642503
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we introduce and study matching methods based on distance profiles. For the matching of point clouds, the proposed method is easily implementable by solving a linear program, circumventing the computational obstacles of quadratic matching. Also, we propose and analyze a flexible way to execute location-to-location matching using distance profiles. Moreover, we provide a statistical estimation error analysis in the context of location-to-location matching using empirical process theory. Furthermore, we apply our method to a certain model and show its noise stability by characterizing conditions on the noise level for the matching to be successful. Lastly, we demonstrate the performance of the proposed method and compare it with some existing methods using synthetic and real data.
Abstract（参考訳）: 本稿では,距離プロファイルに基づくマッチング手法を提案し,検討する。点雲のマッチングでは, 2次マッチングの計算障害を回避し, 線形プログラムを解くことで, 提案手法を容易に実装できる。また,距離プロファイルを用いて位置と位置のマッチングを行うフレキシブルな手法を提案し,解析する。さらに,経験的プロセス理論を用いた位置-位置マッチングの文脈における統計的推定誤差解析を提案する。さらに,提案手法をモデルに適用し,マッチングが成功するための雑音レベルの条件を特徴付けることにより,その雑音安定性を示す。最後に,提案手法の性能を実証し,合成データと実データを用いた既存手法と比較する。

関連論文リスト

Implicit Variational Inference for High-Dimensional Posteriors [7.924706533725115]
変分推論において、ベイズモデルの利点は、真の後続分布を正確に捉えることに依存する。複雑な多重モーダルおよび相関後部を近似するのに適した暗黙分布を特定するニューラルサンプリング手法を提案する。提案手法では,ニューラルネットワークを局所的に線形化することにより,暗黙分布を用いた近似推論の新たなバウンダリを導入する。
論文参考訳（メタデータ） (2023-10-10T14:06:56Z)
Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-29T09:41:19Z)
Learning Structured Gaussians to Approximate Deep Ensembles [10.055143995729415]
本稿では,スパース構造多変量ガウシアンを用いて,高密度画像予測タスクのための閉形式近似器を提案する。正規分布における予測の不確かさと構造的相関を、サンプリング単独で暗黙的にではなく、明示的に捉える。単分子深度推定におけるアプローチの利点を実証し,本手法の利点が同等の定量的性能で得られることを示す。
論文参考訳（メタデータ） (2022-03-29T12:34:43Z)
On the Minimal Adversarial Perturbation for Deep Neural Networks with Provable Estimation Error [65.51757376525798]
敵の摂動の存在は、証明可能な堅牢性に関する興味深い研究ラインを開いた。検証可能な結果は、コミットしたエラーを見積り、バウンドするものではない。本稿では,最小対向摂動を求めるための2つの軽量戦略を提案する。その結果, 提案手法は, 分類に近い試料の理論的距離とロバスト性を近似し, 敵攻撃に対する確実な保証が得られた。
論文参考訳（メタデータ） (2022-01-04T16:40:03Z)
Instance-Based Neural Dependency Parsing [56.63500180843504]
依存関係解析のための解釈可能な推論プロセスを持つニューラルモデルを開発する。私たちのモデルはインスタンスベースの推論を採用しており、トレーニングセットのエッジと比較することで、依存関係のエッジを抽出し、ラベル付けします。
論文参考訳（メタデータ） (2021-09-28T05:30:52Z)
Can convolutional ResNets approximately preserve input distances? A frequency analysis perspective [31.897568775099558]
正規化スキームとbi-Lipschitznessの理論的関係は、実際には成り立たない条件下でのみ有効であることを示す。距離保存条件に対する逆例を探索する簡単な構成的アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-06-04T13:12:42Z)
Projected Statistical Methods for Distributional Data on the Real Line with the Wasserstein Metric [0.0]
本研究では,実線上の確率分布のデータセットに関する統計解析を行うための,新規な予測手法を提案する。特に主成分分析(PCA)と回帰に重点を置いています。モデルのいくつかの理論的性質が研究され、一貫性が証明される。
論文参考訳（メタデータ） (2021-01-22T10:24:49Z)
Revisiting the Sample Complexity of Sparse Spectrum Approximation of Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文参考訳（メタデータ） (2020-11-17T05:41:50Z)
On Projection Robust Optimal Transport: Sample Complexity and Model Misspecification [101.0377583883137]
射影ロバスト(PR)OTは、2つの測度の間のOTコストを最大化するために、射影可能な$k$次元部分空間を選択する。私たちの最初の貢献は、PRワッサーシュタイン距離のいくつかの基本的な統計的性質を確立することである。次に、部分空間を最適化するのではなく平均化することにより、PRW距離の代替として積分PRワッサーシュタイン距離(IPRW)を提案する。
論文参考訳（メタデータ） (2020-06-22T14:35:33Z)
Lower bounds in multiple testing: A framework based on derandomized proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文参考訳（メタデータ） (2020-05-07T19:59:51Z)
Causal Modeling with Stochastic Confounders [11.881081802491183]
この作業は、共同設立者との因果推論を拡張します。本稿では,ランダムな入力空間を持つ表現子定理に基づく因果推論のための変分推定手法を提案する。
論文参考訳（メタデータ） (2020-04-24T00:34:44Z)

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。