Fugu-MT 論文翻訳(概要): Robust Multi-Dimensional Scaling via Accelerated Alternating Projections

論文の概要: Robust Multi-Dimensional Scaling via Accelerated Alternating Projections

arxiv url: http://arxiv.org/abs/2501.02208v1
Date: Sat, 04 Jan 2025 06:28:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-07 17:08:22.446552
Title: Robust Multi-Dimensional Scaling via Accelerated Alternating Projections
Title（参考訳）: 加速交互投影によるロバスト多次元スケーリング
Authors: Tong Deng, Tianming Wang,
Abstract要約: 本稿では,ロバスト多次元(RMDS)問題について考察する。古典的MDSA理論に着想を得て, 交互投影法を提案する。
参考スコア（独自算出の注目度）: 5.778024594615575
License:
Abstract: We consider the robust multi-dimensional scaling (RMDS) problem in this paper. The goal is to localize point locations from pairwise distances that may be corrupted by outliers. Inspired by classic MDS theories, and nonconvex works for the robust principal component analysis (RPCA) problem, we propose an alternating projection based algorithm that is further accelerated by the tangent space projection technique. For the proposed algorithm, if the outliers are sparse enough, we can establish linear convergence of the reconstructed points to the original points after centering and rotation alignment. Numerical experiments verify the state-of-the-art performances of the proposed algorithm.
Abstract（参考訳）: 本稿では,堅牢な多次元スケーリング(RMDS)問題について考察する。ゴールは、点位置を2対の距離からローカライズすることである。古典的MDS理論に着想を得た非凸は、頑健な主成分分析(RPCA)問題に対して作用し、接空間射影法によりさらに加速される交互射影に基づくアルゴリズムを提案する。提案アルゴリズムでは, オフレーヤが十分に疎い場合, 中心および回転アライメント後の元の点に対する再構成点の線形収束を確立することができる。数値実験により提案アルゴリズムの最先端性能を検証した。

関連論文リスト

Sample-Efficient Geometry Reconstruction from Euclidean Distances using Non-Convex Optimization [7.114174944371803]
ユークリッド距離情報点対を埋め込む適切な点を見つける問題は、コアタスクとサブマシン学習の問題の両方として生じる。本稿では,最小限のサンプル数を考えると,この問題を解決することを目的とする。
論文参考訳（メタデータ） (2024-10-22T13:02:12Z)
SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文参考訳（メタデータ） (2024-05-30T15:55:04Z)
Variable Substitution and Bilinear Programming for Aligning Partially Overlapping Point Sets [48.1015832267945]
本研究では,RPMアルゴリズムの最小化目的関数を用いて要求を満たす手法を提案する。分岐とバウンド(BnB)アルゴリズムが考案され、パラメータのみに分岐し、収束率を高める。実験による評価は,非剛性変形,位置雑音,外れ値に対する提案手法の高剛性を示す。
論文参考訳（メタデータ） (2024-05-14T13:28:57Z)
Yet Another Algorithm for Supervised Principal Component Analysis: Supervised Linear Centroid-Encoder [1.2487990897680423]
SLCE(Supervised Linear Centroid-Encoder)と呼ばれる新しい教師付き次元減少手法を提案する。 SLCEは、線形変換を用いて、クラスのサンプルをそのクラスセントロイドにマッピングすることで機能する。
論文参考訳（メタデータ） (2023-06-07T17:52:29Z)
Learning in Inverse Optimization: Incenter Cost, Augmented Suboptimality Loss, and Algorithms [4.0295993947651025]
我々は、最近Besbesらによって提案された「内心」の概念を、周辺に類似した新しい概念として紹介する。本稿では,不整合データ問題に対する内心的概念の緩和であるASL (Augmented Suboptimality Loss) という新たな損失関数を提案する。このアルゴリズムは、近似的な下位段階の評価とミラー降下更新ステップを組み合わせることで、高濃度の離散可能な集合を持つIO問題に対して、確実に効率的である。
論文参考訳（メタデータ） (2023-05-12T18:58:08Z)
Decentralized Inexact Proximal Gradient Method With Network-Independent Stepsizes for Convex Composite Optimization [39.352542703876104]
本稿では,非方向および接続ネットワーク上での分散凸複合最適化について考察する。 CTA(Combine-Then-Adapt)に基づく新しい分散アルゴリズムは、非協調的なネットワーク非依存の定数ステップサイズの下で提案される。
論文参考訳（メタデータ） (2023-02-07T03:50:38Z)
Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文参考訳（メタデータ） (2022-07-06T21:40:59Z)
Solving Sparse Linear Inverse Problems in Communication Systems: A Deep Learning Approach With Adaptive Depth [51.40441097625201]
疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
論文参考訳（メタデータ） (2020-10-29T06:32:53Z)
Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文参考訳（メタデータ） (2020-07-20T12:07:48Z)
Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が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） (2020-02-29T06:24:55Z)

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。