論文の概要: LithoHoD: A Litho Simulator-Powered Framework for IC Layout Hotspot Detection
- arxiv url: http://arxiv.org/abs/2409.10021v1
- Date: Mon, 16 Sep 2024 06:17:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 16:30:58.879951
- Title: LithoHoD: A Litho Simulator-Powered Framework for IC Layout Hotspot Detection
- Title（参考訳）: LithoHoD:ICレイアウトホットスポット検出のためのLithoシミュレータ駆動フレームワーク
- Authors: Hao-Chiang Shao, Guan-Yu Chen, Yu-Hsien Lin, Chia-Wen Lin, Shao-Yun Fang, Pin-Yian Tsai, Yan-Hsiu Liu,
- Abstract要約: 最近の学習ベースのホットスポット検出器は、トレーニングデータ内の問題のあるレイアウトパターンのみを認識することを学ぶ。
本稿では,この難易度を克服するために,リソグラフィーシミュレータを用いた新しいホットスポット検出フレームワークを提案する。
本フレームワークは,リソグラフィーシミュレータとオブジェクト検出バックボーンを統合し,シミュレータとオブジェクト検出器の双方から抽出した潜在特徴をマージする。
- 参考スコア（独自算出の注目度）: 23.204697463868087
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advances in VLSI fabrication technology have led to die shrinkage and increased layout density, creating an urgent demand for advanced hotspot detection techniques. However, by taking an object detection network as the backbone, recent learning-based hotspot detectors learn to recognize only the problematic layout patterns in the training data. This fact makes these hotspot detectors difficult to generalize to real-world scenarios. We propose a novel lithography simulator-powered hotspot detection framework to overcome this difficulty. Our framework integrates a lithography simulator with an object detection backbone, merging the extracted latent features from both the simulator and the object detector via well-designed cross-attention blocks. Consequently, the proposed framework can be used to detect potential hotspot regions based on I) the variation of possible circuit shape deformation estimated by the lithography simulator, and ii) the problematic layout patterns already known. To this end, we utilize RetinaNet with a feature pyramid network as the object detection backbone and leverage LithoNet as the lithography simulator. Extensive experiments demonstrate that our proposed simulator-guided hotspot detection framework outperforms previous state-of-the-art methods on real-world data.
- Abstract（参考訳）: 近年のVLSI製造技術の進歩は、ダイス収縮とレイアウト密度の増大をもたらし、高度なホットスポット検出技術への緊急な需要を生み出している。
しかし、物体検出ネットワークをバックボーンとすることで、最近の学習ベースのホットスポット検出器は、トレーニングデータ内の問題のあるレイアウトパターンのみを認識することを学ぶ。
この事実は、これらのホットスポット検出器を現実世界のシナリオに一般化することを困難にしている。
本稿では,この難易度を克服するために,リソグラフィーシミュレータを用いた新しいホットスポット検出フレームワークを提案する。
本フレームワークは,リソグラフィーシミュレータとオブジェクト検出バックボーンを統合し,よく設計されたクロスアテンションブロックを介して,シミュレータとオブジェクト検出器の両方から抽出した潜時特徴をマージする。
その結果、提案手法は、(I)リソグラフィーシミュレータによって推定される回路形状の変動の可能性、(i)既に知られている問題のあるレイアウトパターンの変動に基づいて、潜在的ホットスポット領域を検出するのに利用できる。
そこで,我々はRetinaNetを特徴ピラミッドネットワークをオブジェクト検出バックボーンとして利用し,LithoNetをリソグラフィシミュレータとして利用する。
提案したシミュレータ誘導ホットスポット検出フレームワークは,実世界のデータに対する従来の最先端手法よりも優れていた。
関連論文リスト
- Object-level Copy-Move Forgery Image Detection based on Inconsistency Mining [25.174869954072648]
Inconsistency Mining(IMNet)に基づくオブジェクトレベルのコピー・モーブ偽画像検出を提案する。
オブジェクトレベルの完全なターゲットを得るために、ソースと改ざんされた領域のプロトタイプをカスタマイズし、動的に更新する。
提案するIMNetの有効性とロバスト性を検証した3つの公開データセットについて実験を行った。
論文 参考訳（メタデータ） (2024-03-31T09:01:17Z) - Detect Any Deepfakes: Segment Anything Meets Face Forgery Detection and
Localization [30.317619885984005]
本稿では,視覚的セグメンテーション基盤モデル,すなわちセグメンテーションモデル(SAM)をフォージェリ検出とローカライゼーションの対面に導入する。
SAMに基づいて,Multiscale Adapterを用いたDADFフレームワークを提案する。
提案するフレームワークは、エンドツーエンドのフォージェリーローカライゼーションと検出最適化をシームレスに統合する。
論文 参考訳（メタデータ） (2023-06-29T16:25:04Z) - HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D
Images [58.720142291102135]
本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。
データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
論文 参考訳（メタデータ） (2022-12-30T12:20:56Z) - Delving into Sequential Patches for Deepfake Detection [64.19468088546743]
近年の顔偽造技術は、ほとんど追跡不可能なディープフェイクビデオを生み出しており、悪意のある意図で活用することができる。
従来の研究では、ディープフェイク法にまたがる一般化を追求する上で、局所的な低レベルな手がかりと時間的情報の重要性が指摘されてきた。
本稿では,局所的・時間的変換をベースとしたDeepfake Detectionフレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-06T16:46:30Z) - Improved Orientation Estimation and Detection with Hybrid Object
Detection Networks for Automotive Radar [1.53934570513443]
我々は,レーダに基づく物体検出ネットワークを改善するために,グリッドとポイントを併用した新しいハイブリッドアーキテクチャを提案する。
格子描画の前に、点の正確な相対位置を利用して、点ベースモデルが近傍の特徴を抽出できることが示される。
これは、次の畳み込み検出バックボーンに対して大きなメリットがある。
論文 参考訳（メタデータ） (2022-05-03T06:29:03Z) - Combining Local and Global Pose Estimation for Precise Tracking of
Similar Objects [2.861848675707602]
類似・非テクスチャオブジェクトに対する多目的6D検出・追跡パイプラインを提案する。
合成画像のみを訓練した新しいネットワークアーキテクチャは、複数のオブジェクトの同時ポーズ推定を可能にする。
建設現場における実際のAR支援アプリケーションにおいて,システムがどのように利用できるかを示す。
論文 参考訳（メタデータ） (2022-01-31T14:36:57Z) - SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object
Detection [78.90102636266276]
SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。
そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。
実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
論文 参考訳（メタデータ） (2022-01-06T08:54:47Z) - A Single-Target License Plate Detection with Attention [56.83051142257412]
ニューラルネットワークは一般にライセンスプレート検出(LPD)タスクに採用されており、パフォーマンスと精度が向上している。
LPDのような単一のオブジェクト検出タスクでは、修正された汎用オブジェクト検出は時間がかかり、複雑なシナリオや組み込みデバイスへのデプロイが困難すぎる面倒な重み付けファイルに対処できない。
論文 参考訳（メタデータ） (2021-12-12T03:00:03Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z)
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。