論文の概要: TrackSorter: A Transformer-based sorting algorithm for track finding in High Energy Physics
- arxiv url: http://arxiv.org/abs/2407.21290v1
- Date: Wed, 31 Jul 2024 02:27:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-01 12:56:56.782669
- Title: TrackSorter: A Transformer-based sorting algorithm for track finding in High Energy Physics
- Title（参考訳）: TrackSorter:高エネルギー物理学におけるトラック探索のためのトランスフォーマーに基づくソートアルゴリズム
- Authors: Yash Melkani, Xiangyang Ju,
- Abstract要約: 粒子データの追跡は高エネルギー物理学において難しいパターン認識問題である。
粒子データにおけるパターン認識のためのトランスフォーマーに基づくアルゴリズムであるTrackSorterを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Track finding in particle data is a challenging pattern recognition problem in High Energy Physics. It takes as inputs a point cloud of space points and labels them so that space points created by the same particle have the same label. The list of space points with the same label is a track candidate. We argue that this pattern recognition problem can be formulated as a sorting problem, of which the inputs are a list of space points sorted by their distances away from the collision points and the outputs are the space points sorted by their labels. In this paper, we propose the TrackSorter algorithm: a Transformer-based algorithm for pattern recognition in particle data. TrackSorter uses a simple tokenization scheme to convert space points into discrete tokens. It then uses the tokenized space points as inputs and sorts the input tokens into track candidates. TrackSorter is a novel end-to-end track finding algorithm that leverages Transformer-based models to solve pattern recognition problems. It is evaluated on the TrackML dataset and has good track finding performance.
- Abstract（参考訳）: 粒子データの追跡は高エネルギー物理学において難しいパターン認識問題である。
同じ粒子によって生成された空間点が同じラベルを持つように、入力として空間点の点雲をラベル付けする。
同じラベルを持つ空間点のリストは、トラック候補である。
このパターン認識問題はソート問題として定式化することができ、その入力は衝突点からの距離でソートされた空間点のリストであり、出力はラベルでソートされた空間点である。
本論文では,粒子データにおけるパターン認識のためのトランスフォーマーに基づくTrackSorterアルゴリズムを提案する。
TrackSorterは単純なトークン化スキームを使用して、空間点を離散トークンに変換する。
その後、トークン化されたスペースポイントを入力として使用し、入力トークンをトラック候補にソートする。
TrackSorterは、Transformerベースのモデルを利用してパターン認識問題を解決する、新しいエンドツーエンドのトラック探索アルゴリズムである。
TrackMLデータセットで評価され、トラック検出性能が良好である。
関連論文リスト
- Segment, Lift and Fit: Automatic 3D Shape Labeling from 2D Prompts [50.181870446016376]
本稿では,2Dポイントやボックスプロンプトから3Dオブジェクトを自動的にラベル付けするアルゴリズムを提案する。
従来のアートとは異なり、自動ラベルはバウンディングボックスの代わりに3D形状を予測し、特定のデータセットのトレーニングを必要としない。
論文 参考訳（メタデータ） (2024-07-16T04:53:28Z) - ALINA: Advanced Line Identification and Notation Algorithm [4.12089570007199]
クラウドソーシングのような従来のラベリング手法は、コスト、データのプライバシ、時間、大規模なデータセットの潜在的なエラーのために禁止されている。
本稿では,タクシーウェイデータセットのラベル付けに使用できる新しいアノテーションフレームワークであるAdvanced Line Identification and Notation Algorithm (ALINA)を提案する。
論文 参考訳（メタデータ） (2024-06-13T03:10:22Z) - Quantum algorithms for Hopcroft's problem [45.45456673484445]
計算幾何学の基本的な問題であるホップクロフト問題に対する量子アルゴリズムについて検討する。
この問題の古典的な複雑さはよく研究されており、最もよく知られているアルゴリズムは$O(n4/3)の時間で動作する。
我々の結果は、時間複雑性が$widetilde O(n5/6)$の2つの異なる量子アルゴリズムである。
論文 参考訳（メタデータ） (2024-05-02T10:29:06Z) - Quantum-walk search in motion [0.0]
量子ウォーク探索アルゴリズム(quantum walk search algorithm)は、グラフ内の固定されたノードを探索するために設計されている。
我々は、マークされたノードにラベルをつけるために追加の量子状態を導入し、そのアルゴリズムを拡張して2次元表面上で動く粒子を追跡する。
このコンセプトは、リアルタイムオブジェクトトラッキングからネットワーク管理やルーティングまで、さまざまなアプリケーションに対して約束されている。
論文 参考訳（メタデータ） (2023-10-22T16:33:46Z) - Token-Label Alignment for Vision Transformers [93.58540411138164]
データ混合戦略(例えば、CutMix)は、畳み込みニューラルネットワーク(CNN)の性能を大幅に改善する能力を示している。
我々は,データ混合戦略の可能性を抑制するトークン変動現象を同定する。
本稿では,各トークンのラベルを保持するために,変換されたトークンと元のトークンとの対応をトレースするトークンラベルアライメント(TL-Align)手法を提案する。
論文 参考訳（メタデータ） (2022-10-12T17:54:32Z) - CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point
Cloud Learning [81.85951026033787]
この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。
また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。
提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
論文 参考訳（メタデータ） (2022-07-31T21:39:15Z) - Hybrid Tracker with Pixel and Instance for Video Panoptic Segmentation [50.62685357414904]
ビデオパノプティカル係数(VPS)は、コヒーレントなパノプティカルセグメンテーションを生成し、ビデオフレーム全体の全ピクセルのアイデンティティを追跡することを目的としている。
単一トラッカーの限界を取り除くために,軽量かつ共同的な追跡モデルであるHybridTrackerを提案する。
総合的な実験により、HybridTrackerはCityscapes-VPSとVIPERデータセットの最先端メソッドよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-03-02T16:21:55Z) - Occlusion-aware Visual Tracker using Spatial Structural Information and
Dominant Features [0.19036571490366497]
提案アルゴリズムは,オブジェクトの画素分布に応じて,クラスタリングによりオブジェクトを離散的なイメージパッチに分割する。
追跡者の偽のターゲットへの漂流を避けるために、提案されたアルゴリズムは、これらの画像パッチから色ヒストグラムや勾配方向ヒストグラムなどの支配的な特徴を抽出します。
提案アルゴリズムでは,これらのコンポーネントをパーティクルフィルタフレームワークに組み込むことにより,堅牢かつ高精度なトラッカを実現する。
論文 参考訳（メタデータ） (2021-04-16T09:01:45Z) - DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。
本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。
登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
論文 参考訳（メタデータ） (2021-04-08T04:27:32Z) - Semantic Label Smoothing for Sequence to Sequence Problems [54.758974840974425]
そこで本研究では,対象シーケンスとn-gramの重なり合いが十分である,エンハンウェル上のスムーズな関連配列を生成する手法を提案する。
提案手法は, 異なるデータセット上での最先端技術よりも一貫した, 顕著な改善を示す。
論文 参考訳（メタデータ） (2020-10-15T00:31:15Z) - Labeled Optimal Partitioning [1.0660480034605242]
部分的にラベル付けされたデータでは、列車とテストセットの両方において、正/負の領域の変化を正しく予測することが重要である。
既存の動的予測の1つは正確な適合ラベルであるが、ラベルのないテスト領域における変化点を予測しない。
列車データにラベルを適合させることが保証された新しい動的プログラミングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-24T18:08:53Z)
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。