論文の概要: HiRA-Pro: High resolution alignment of multimodal spatio-temporal data:
a process physics driven approach
- arxiv url: http://arxiv.org/abs/2403.06888v1
- Date: Mon, 11 Mar 2024 16:45:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 18:17:34.560557
- Title: HiRA-Pro: High resolution alignment of multimodal spatio-temporal data:
a process physics driven approach
- Title（参考訳）: HiRA-Pro:多モード時空間データの高分解能アライメント:プロセス物理駆動アプローチ
- Authors: Abhishek Hanchate, Himanshu Balhara, Vishal S. Chindepalli, Satish
T.S. Bukkapatnam
- Abstract要約: HiRA-Proは、データをミリ秒以下のタイムスタンプに合わせるという課題に対処する。
スマートな製造環境では、13以上のチャネルから取得したデータを3Dプリンティングとミリング操作で整列させる。
HiRA-Proの優位性はさらに、追加製造におけるケーススタディを通じて示され、機械学習による予測性能の向上が示されている。
- 参考スコア（独自算出の注目度）: 1.9116784879310031
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present HiRA-Pro, a novel procedure to align, at high spatio-temporal
resolutions, multimodal signals from real-world processes and systems that
exhibit diverse transient, nonlinear stochastic dynamics, such as manufacturing
machines. It is based on discerning and synchronizing the process signatures of
salient kinematic and dynamic events in these disparate signals. HiRA-Pro
addresses the challenge of aligning data with sub-millisecond phenomena, where
traditional timestamp, external trigger, or clock-based alignment methods fall
short. The effectiveness of HiRA-Pro is demonstrated in a smart manufacturing
context, where it aligns data from 13+ channels acquired during 3D-printing and
milling operations on an Optomec-LENS MTS 500 hybrid machine. The aligned data
is then voxelized to generate 0.25 second aligned data chunks that correspond
to physical voxels on the produced part. The superiority of HiRA-Pro is further
showcased through case studies in additive manufacturing, demonstrating
improved machine learning-based predictive performance due to precise
multimodal data alignment. Specifically, testing classification accuracies
improved by almost 35% with the application of HiRA-Pro, even with limited
data, allowing for precise localization of artifacts. The paper also provides a
comprehensive discussion on the proposed method, its applications, and
comparative qualitative analysis with a few other alignment methods. HiRA-Pro
achieves temporal-spatial resolutions of 10-1000 us and 100 um in order to
generate datasets that register with physical voxels on the 3D-printed and
milled part. These resolutions are at least an order of magnitude finer than
the existing alignment methods that employ individual timestamps, statistical
correlations, or common clocks, which achieve precision of hundreds of
milliseconds.
- Abstract（参考訳）: 製造機械などの過渡的・非線形確率的ダイナミクスを示す実世界のプロセスやシステムからのマルチモーダル信号を高時空間分解能で整合させる新しい手法であるHiRA-Proを提案する。
これは、これらの異なる信号における突出した運動的および動的事象のプロセスシグネチャの識別と同期に基づいている。
HiRA-Proは、従来のタイムスタンプ、外部トリガー、クロックベースのアライメントメソッドが不足するミリ秒以下の現象とデータを整列するという課題に対処する。
HiRA-Proの有効性は、Optomec-LENS MTS 500ハイブリッドマシン上での3Dプリンティングおよびミリング操作で取得した13以上のチャネルのデータを調整するスマート製造環境で実証されている。
次にアラインされたデータはボクセル化され、生成された部分の物理的なボクセルに対応する0.25秒アラインされたデータチャンクを生成する。
HiRA-Proの優位性はさらに、加法製造におけるケーススタディを通じて示され、精度の高いマルチモーダルデータアライメントによる機械学習ベースの予測性能の向上が示されている。
具体的には、限られたデータであっても、HiRA-Proの適用により、分類精度が約35%向上し、アーティファクトの正確なローカライズが可能になった。
また,提案手法とその適用法,および他のいくつかのアライメント手法との比較定性解析について包括的な議論を行う。
HiRA-Proは、時間空間分解能を10～1000 usと100 umで達成し、3Dプリントで加工した部分の物理ボクセルで登録されたデータセットを生成する。
これらの解像度は、数百ミリ秒の精度を達成する個々のタイムスタンプ、統計相関、コモンクロックを使用する既存のアライメント法よりも少なくとも1桁小さい。
関連論文リスト
- FM-TS: Flow Matching for Time Series Generation [71.31148785577085]
本稿では、時系列生成のための修正フローマッチングベースのフレームワークFM-TSを紹介する。
FM-TSは、トレーニングと推論の点でより効率的である。
我々は、太陽予測とMuJoCo計算タスクにおいて優れた性能を達成した。
論文 参考訳（メタデータ） (2024-11-12T03:03:23Z) - DailyDVS-200: A Comprehensive Benchmark Dataset for Event-Based Action Recognition [51.96660522869841]
DailyDVS-200は、イベントベースのアクション認識コミュニティに適したベンチマークデータセットである。
実世界のシナリオで200のアクションカテゴリをカバーし、47人の参加者によって記録され、22,000以上のイベントシーケンスで構成されている。
DailyDVS-200には14の属性がアノテートされており、記録されたアクションの詳細なキャラクタリゼーションが保証されている。
論文 参考訳（メタデータ） (2024-07-06T15:25:10Z) - TimeLDM: Latent Diffusion Model for Unconditional Time Series Generation [2.4454605633840143]
時系列生成は意思決定システムにおいて重要な研究課題である。
最近のアプローチでは、時系列情報をモデル化するために、データ空間での学習に焦点を当てている。
高品質な時系列生成のための新しい遅延拡散モデルであるTimeLDMを提案する。
論文 参考訳（メタデータ） (2024-07-05T01:47:20Z) - Cross-Cluster Shifting for Efficient and Effective 3D Object Detection
in Autonomous Driving [69.20604395205248]
本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。
我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。
我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
論文 参考訳（メタデータ） (2024-03-10T10:36:32Z) - Mlinear: Rethink the Linear Model for Time-series Forecasting [9.841293660201261]
Mlinearは、主に線形層に基づく単純だが効果的な方法である。
複数のデータセット上で広く使われている平均二乗誤差(MSE)を大幅に上回る新しい損失関数を導入する。
提案手法は,PatchTSTを336列長入力で21:3,512列長入力で29:10で有意に上回った。
論文 参考訳（メタデータ） (2023-05-08T15:54:18Z) - 1-D Residual Convolutional Neural Network coupled with Data Augmentation
and Regularization for the ICPHM 2023 Data Challenge [24.37696434579732]
本稿では,生の3チャンネル時間領域振動信号を用いた残差畳み込みニューラルネットワークを提案する。
ネットワークは、検査中のギアボックスの状態を正確に予測することができる。
論文 参考訳（メタデータ） (2023-04-14T08:50:21Z) - Modeling Continuous Motion for 3D Point Cloud Object Tracking [54.48716096286417]
本稿では,各トラックレットを連続ストリームとみなす新しいアプローチを提案する。
各タイムスタンプでは、現在のフレームだけがネットワークに送られ、メモリバンクに格納された複数フレームの履歴機能と相互作用する。
頑健な追跡のためのマルチフレーム機能の利用性を高めるために,コントラッシブシーケンス強化戦略を提案する。
論文 参考訳（メタデータ） (2023-03-14T02:58:27Z) - High-temporal-resolution event-based vehicle detection and tracking [0.0]
イベントベースのビジョンは、その高時間分解能(1us)、高ダイナミックレンジ(>120dB)、わずか数マイクロ秒の出力遅延によって、近年急速に成長している。
この研究は、最先端のフレームベースの検出器とイベントベースの手法を活用する、オブジェクト検出と追跡のためのハイブリッドでマルチモーダルなアプローチを探求する。
論文 参考訳（メタデータ） (2022-12-29T12:45:06Z) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳（メタデータ） (2022-09-01T10:46:09Z) - Deep Cellular Recurrent Network for Efficient Analysis of Time-Series
Data with Spatial Information [52.635997570873194]
本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。
提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
論文 参考訳（メタデータ） (2021-01-12T20:08:18Z) - Towards Efficient Scheduling of Federated Mobile Devices under
Computational and Statistical Heterogeneity [16.069182241512266]
本稿では,モバイルデバイス上での分散学習の実装について検討する。
チューニングノブとしてデータを使用し、異なるワークロードをスケジュールする2つの効率的な時間アルゴリズムを提案する。
一般的なベンチマークと比較すると,提案アルゴリズムはCIFAR10で2-100倍の高速化,2-7%の精度向上,収束率を100%以上達成している。
論文 参考訳（メタデータ） (2020-05-25T18:21:51Z)
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。