論文の概要: An attempt to generate new bridge types from latent space of generative adversarial network

• arxiv url: http://arxiv.org/abs/2401.00700v1
• Date: Mon, 1 Jan 2024 08:46:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 16:06:51.113282
• Title: An attempt to generate new bridge types from latent space of generative adversarial network
• Title（参考訳）: 生成逆数ネットワークの潜在空間から新しいブリッジタイプを生成する試み
• Authors: Hongjun Zhang
• Abstract要約: 三次元ビームブリッジ,アーチブリッジ,ケーブルステイドブリッジ,サスペンションブリッジの対称構造画像データセットを用いる。 Pythonプログラミング言語とKerasディープラーニングプラットフォームフレームワークに基づいて、ジェネレーティブな敵ネットワークを構築し、訓練する。
• 参考スコア（独自算出の注目度）: 2.05750372679553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Try to generate new bridge types using generative artificial intelligence technology. Symmetric structured image dataset of three-span beam bridge, arch bridge, cable-stayed bridge and suspension bridge are used . Based on Python programming language, TensorFlow and Keras deep learning platform framework , as well as Wasserstein loss function and Lipschitz constraints, generative adversarial network is constructed and trained. From the obtained low dimensional bridge-type latent space sampling, new bridge types with asymmetric structures can be generated. Generative adversarial network can create new bridge types by organically combining different structural components on the basis of human original bridge types. It has a certain degree of human original ability. Generative artificial intelligence technology can open up imagination space and inspire humanity.
• Abstract（参考訳）: 生成人工知能技術を用いた新しいブリッジタイプの作成。 三次元ビームブリッジ,アーチブリッジ,ケーブルステイドブリッジ,サスペンションブリッジの対称構造画像データセットを用いた。 Pythonプログラミング言語、TensorFlow、Kerasのディープラーニングプラットフォームフレームワーク、およびWassersteinの損失関数とLipschitzの制約に基づいて、生成的敵ネットワークを構築し、訓練する。 得られた低次元ブリッジ型潜在空間サンプリングから、非対称構造を持つ新しいブリッジタイプを生成することができる。 生成的敵ネットワークは、ヒトのオリジナルブリッジタイプに基づいて、異なる構造成分を有機的に組み合わせることで、新しいブリッジタイプを作成することができる。 人間の能力はある程度ある。 創造的な人工知能技術は想像力を開放し、人類を刺激することができる。

関連論文リスト

• Stealth edits to large language models [76.53356051271014]
  モデルの編集可能性を評価するために、1つのメトリックを使用できることを示す。 また、ステルス攻撃に対する言語モデルの脆弱性を明らかにします。
  論文  参考訳（メタデータ） (2024-06-18T14:43:18Z)
• An attempt to generate new bridge types from latent space of denoising diffusion Implicit model [2.05750372679553]
  橋梁型イノベーションには暗黙の隠蔽モデルを用いる。 画像にノイズや騒音を加える過程は、死体が腐っている過程や、犠牲者の現場を復元している刑事に似ており、初心者が理解しやすい。
  論文  参考訳（メタデータ） (2024-02-11T08:54:37Z)
• An attempt to generate new bridge types from latent space of energy-based model [2.05750372679553]
  3本のスパンビームブリッジ、アーチブリッジ、ケーブルステイドブリッジ、サスペンションブリッジの対称構造画像データセット上の列車エネルギー関数 ランゲヴィンは、低エネルギー値の新しいサンプルを生成するためにテクノロジーを動力学する。
  論文  参考訳（メタデータ） (2024-01-31T08:21:35Z)
• An attempt to generate new bridge types from latent space of PixelCNN [2.05750372679553]
  PixelCNNは画像の統計構造をキャプチャし、次のピクセルの確率分布を計算する。 得られた潜在空間サンプリングから、トレーニングデータセットとは異なる新しいブリッジタイプを生成することができる。
  論文  参考訳（メタデータ） (2024-01-11T15:06:25Z)
• An attempt to generate new bridge types from latent space of variational autoencoder [2.05750372679553]
  変分オートエンコーダは、人間のオリジナルに基づいて2つのブリッジタイプを新しいブリッジタイプに組み合わせることができる。 ジェネレーティブな人工知能技術は、ブリッジタイプのイノベーションにおいて設計者を支援することができ、副操縦士として使用できる。
  論文  参考訳（メタデータ） (2023-11-02T08:18:37Z)
• BridgeData V2: A Dataset for Robot Learning at Scale [73.86688388408021]
  BridgeData V2は、ロボット操作行動の大規模で多様なデータセットである。 対象は、24の環境にまたがる60,096個のトラジェクトリだ。
  論文  参考訳（メタデータ） (2023-08-24T17:41:20Z)
• StarNet: Style-Aware 3D Point Cloud Generation [82.30389817015877]
  StarNetは、マッピングネットワークを使用して高忠実度および3Dポイントクラウドを再構築し、生成することができる。 我々のフレームワークは、クラウドの再構築と生成タスクにおいて、様々なメトリクスで同等の最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2023-03-28T08:21:44Z)
• BridgeTower: Building Bridges Between Encoders in Vision-Language Representation Learning [91.93547262073213]
  近年,2towerアーキテクチャを用いた視覚言語モデル(VL)が視覚表現学習を支配している。 そこで,BridgeTowerを提案する。このBridgeTowerは,ユニモーダルエンコーダの上位層とクロスモーダルエンコーダの各層との間の接続を構築する複数のブリッジ層を提供する。 BridgeTowerは78.73%の精度を達成し、以前の最先端モデルであるMETERを1.09%上回った。
  論文  参考訳（メタデータ） (2022-06-17T09:42:35Z)
• Learning to Design and Construct Bridge without Blueprint [20.524052738716435]
  ブループリントを使わずに橋を設計・構築する,新しい難易度組立作業について検討する。 この作業では,まず任意に広い崖の橋梁構造を設計し,そのブロックを確実に操作し,提案した設計に従って安定な橋梁を構築する必要がある。 高レベルでは、深層強化学習とカリキュラム学習を用いて、物理シミュレータでブリッジブループリントポリシーを学習する。 低レベル制御のために、実世界の橋梁構築のための訓練された青写真ポリシーと直接結合できる実ロボットモーション制御のためのモーションプランニングベースのポリシーを実装した。
  論文  参考訳（メタデータ） (2021-08-05T08:17:22Z)
• Deep Imitation Learning for Bimanual Robotic Manipulation [70.56142804957187]
  本稿では,ロボットによるバイマニュアル操作のための深層模倣学習フレームワークを提案する。 中心となる課題は、操作スキルを異なる場所にあるオブジェクトに一般化することである。 i)マルチモーダルダイナミクスを要素運動プリミティブに分解し、(ii)リカレントグラフニューラルネットワークを用いて各プリミティブをパラメータ化して相互作用を捕捉し、(iii)プリミティブを逐次的に構成する高レベルプランナと、プリミティブダイナミクスと逆運動学制御を組み合わせた低レベルコントローラを統合することを提案する。
  論文  参考訳（メタデータ） (2020-10-11T01:40:03Z)
• SMPLpix: Neural Avatars from 3D Human Models [56.85115800735619]
  従来のレンダリングと画素空間で動作する最新の生成ネットワークのギャップを埋める。 我々は、スパースな3Dメッシュ頂点をフォトリアリスティックな画像に変換するネットワークを訓練する。 我々は,フォトリアリズムのレベルとレンダリング効率の両面で,従来の微分可能よりも優位性を示す。
  論文  参考訳（メタデータ） (2020-08-16T10:22:00Z)

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。