論文の概要: Gaussian Process Model with Tensorial Inputs and Its Application to the Design of 3D Printed Antennas
- arxiv url: http://arxiv.org/abs/2407.15877v1
- Date: Fri, 19 Jul 2024 15:51:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-24 21:44:53.229706
- Title: Gaussian Process Model with Tensorial Inputs and Its Application to the Design of 3D Printed Antennas
- Title（参考訳）: テンソル入力を持つガウス過程モデルと3Dプリントアンテナの設計への応用
- Authors: Xi Chen, Yashika Sharma, Hao Helen Zhang, Xin Hao, Qiang Zhou,
- Abstract要約: GPカーネルに一般化された距離尺度を組み込むことを提案し、3Dプリントされたデザインから空間情報をGPフレームワークに組み込む新しい便利な手法を提案する。
提案手法は,GPサロゲートに基づくシミュレーション最適化から利用可能なツールの多元性を生かした3次元プリントオブジェクトの複雑な設計問題を実現する。
- 参考スコア（独自算出の注目度）: 9.14263004805318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In simulation-based engineering design with time-consuming simulators, Gaussian process (GP) models are widely used as fast emulators to speed up the design optimization process. In its most commonly used form, the input of GP is a simple list of design parameters. With rapid development of additive manufacturing (also known as 3D printing), design inputs with 2D/3D spatial information become prevalent in some applications, for example, neighboring relations between pixels/voxels and material distributions in heterogeneous materials. Such spatial information, vital to 3D printed designs, is hard to incorporate into existing GP models with common kernels such as squared exponential or Mat\'ern. In this work, we propose to embed a generalized distance measure into a GP kernel, offering a novel and convenient technique to incorporate spatial information from freeform 3D printed designs into the GP framework. The proposed method allows complex design problems for 3D printed objects to take advantage of a plethora of tools available from the GP surrogate-based simulation optimization such as designed experiments and GP-based optimizations including Bayesian optimization. We investigate the properties of the proposed method and illustrate its performance by several numerical examples of 3D printed antennas. The dataset is publicly available at: https://github.com/xichennn/GP_dataset.
- Abstract（参考訳）: 時間消費シミュレータを用いたシミュレーションに基づくエンジニアリング設計では、ガウス過程(GP)モデルが高速エミュレータとして広く使われ、設計最適化プロセスが高速化されている。
最もよく使われる形式では、GPの入力は設計パラメータの単純なリストである。
添加物製造(3Dプリンティングとも呼ばれる)の急速な発展に伴い、2D/3D空間情報を用いた設計入力は、例えば、不均一材料における画素/ボクセルと物質分布の隣り合う関係など、いくつかの応用において一般的になる。
このような空間情報は、3Dプリントの設計に欠かせないものであり、平方指数やMat\'ernのような共通カーネルを持つ既存のGPモデルに組み込むのは難しい。
本研究では,GPカーネルに一般化された距離測度を組み込む手法を提案し,フリーフォーム3Dプリントデザインの空間情報をGPフレームワークに組み込む手法を提案する。
提案手法は,3次元プリントオブジェクトに対して,設計実験やベイズ最適化を含むGPに基づく最適化など,GPサロゲートに基づくシミュレーション最適化から利用できる多数のツールを活用するための複雑な設計問題を実現する。
提案手法の特性について検討し,その性能を3次元プリントアンテナの数値例で示す。
データセットは、https://github.com/xichennn/GP_dataset.comで公開されている。
関連論文リスト
- GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。
我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。
いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-11-18T08:18:44Z) - VehicleSDF: A 3D generative model for constrained engineering design via surrogate modeling [3.746111274696241]
本研究は,自動車開発におけるデザイン空間の探索に3次元生成モデルを用いたことを明らかにする。
我々は、所定の幾何学的仕様を満たす車両の様々な3Dモデルを生成する。
また,空力抵抗などの性能パラメータを高速に推定する。
論文 参考訳（メタデータ） (2024-10-09T16:59:24Z) - 3DGS.zip: A survey on 3D Gaussian Splatting Compression Methods [10.122120872952296]
3次元ガウス散乱(3DGS)は実時間放射場レンダリングの最先端技術として登場している。
レンダリング速度と画像の忠実さの利点にもかかわらず、3DGSはその大きなストレージとメモリ要求によって制限されている。
本調査では3DGSをより効率的にするために開発された圧縮・圧縮技術について詳細に検討する。
論文 参考訳（メタデータ） (2024-06-17T11:43:38Z) - Bayesian Mesh Optimization for Graph Neural Networks to Enhance Engineering Performance Prediction [1.6574413179773761]
工学設計において、サロゲートモデルは計算コストのかかるシミュレーションを置き換えるために広く使われている。
本稿では3次元ディープラーニングに基づく代理モデルのためのベイズグラフニューラルネットワーク(GNN)フレームワークを提案する。
我々のフレームワークはベイズ最適化によってメッシュ要素の最適サイズを決定し、その結果、高精度なサロゲートモデルが得られる。
論文 参考訳（メタデータ） (2024-06-04T06:27:48Z) - GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。
本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。
提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
論文 参考訳（メタデータ） (2024-02-22T16:00:20Z) - GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。
提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文 参考訳（メタデータ） (2023-12-04T18:59:55Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-20T12:08:23Z) - Fast-SNARF: A Fast Deformer for Articulated Neural Fields [92.68788512596254]
本稿では,標準空間とポーズ空間の正確な対応性を求める,ニューラルフィールドのための新しい調音モジュールFast-SNARFを提案する。
Fast-SNARFはこれまでの研究であるSNARFの代替であり、計算効率は大幅に向上した。
変形マップの学習は多くの3次元人間のアバター法において重要な要素であるため、この研究は3次元仮想人間の実現に向けた重要なステップであると考えている。
論文 参考訳（メタデータ） (2022-11-28T17:55:34Z) - Probabilistic Registration for Gaussian Process 3D shape modelling in
the presence of extensive missing data [63.8376359764052]
本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。
様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
論文 参考訳（メタデータ） (2022-03-26T16:48:27Z) - Positional Encoding Augmented GAN for the Assessment of Wind Flow for
Pedestrian Comfort in Urban Areas [0.41998444721319217]
本研究は,CFDを用いた3次元フローフィールドの計算から,建物のフットプリント上の2次元画像から画像への変換に基づく問題まで,歩行者の高さレベルでのフローフィールドの予測に至るまでの課題を言い換える。
本稿では,画像から画像への変換タスクの最先端を表現したPix2PixやCycleGANなど,GAN(Generative Adversarial Network)の利用について検討する。
論文 参考訳（メタデータ） (2021-12-15T19:37:11Z)
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。