論文の概要: Multi-field Visualization: Trait design and trait-induced merge trees

• arxiv url: http://arxiv.org/abs/2501.06238v1
• Date: Wed, 08 Jan 2025 10:13:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 20:43:59.769943
• Title: Multi-field Visualization: Trait design and trait-induced merge trees
• Title（参考訳）: マルチフィールド・ビジュアライゼーション:トレートデザインと特性誘起マージツリー
• Authors: Danhua Lei, Jochen Jankowai, Petar Hristov, Hamish Carr, Leif Denby, Talha Bin Masood, Ingrid Hotz,
• Abstract要約: 特徴量集合 (FLS) は属性空間で定義された特性を用いて特徴量を特定することで多分野データの解析において有意なポテンシャルを示した。 本研究では,FLSの実用化における重要な課題として,特徴設計とレンダリング機能の選択について論じる。 本稿では,特徴をより単純なコンポーネントに分解し,プロセスをより直感的で効率的なものにする。
• 参考スコア（独自算出の注目度）: 2.862576303934634
• License:
• Abstract: Feature level sets (FLS) have shown significant potential in the analysis of multi-field data by using traits defined in attribute space to specify features in the domain. In this work, we address key challenges in the practical use of FLS: trait design and feature selection for rendering. To simplify trait design, we propose a Cartesian decomposition of traits into simpler components, making the process more intuitive and computationally efficient. Additionally, we utilize dictionary learning results to automatically suggest point traits. To enhance feature selection, we introduce trait-induced merge trees (TIMTs), a generalization of merge trees for feature level sets, aimed at topologically analyzing tensor fields or general multi-variate data. The leaves in the TIMT represent areas in the input data that are closest to the defined trait, thereby most closely resembling the defined feature. This merge tree provides a hierarchy of features, enabling the querying of the most relevant and persistent features. Our method includes various query techniques for the tree, allowing the highlighting of different aspects. We demonstrate the cross-application capabilities of this approach through five case studies from different domains.
• Abstract（参考訳）: 特徴レベルセット(FLS)は、属性空間で定義された特徴を用いて、領域内の特徴を特定することで、マルチフィールドデータの解析において有意なポテンシャルを示した。 本研究では,FLSの実用化における重要な課題として,特徴設計とレンダリング機能の選択について論じる。 特性設計を簡略化するために, 特性をより単純な成分に分解し, プロセスをより直感的かつ計算的に効率化する手法を提案する。 さらに、辞書学習結果を利用して、ポイント特性を自動的に提案する。 特徴量選択の促進を目的として,特徴量重なり木 (TIMT) を導入し, テンソル場や一般多変量データのトポロジ的解析を目的とした特徴量重なり木を一般化した。 TIMTの葉は、定義された特徴に最も近い入力データ内の領域を表し、したがって、定義された特徴に最もよく似ている。 このマージツリーは機能階層を提供し、最も関連性があり永続的な機能のクエリを可能にする。 本手法は,木に対する様々なクエリ技術を含み,異なる側面のハイライトを可能にする。 我々は、異なるドメインから5つのケーススタディを通じて、このアプローチのクロスアプリケーション機能を示す。

関連論文リスト

• Evolution of SAE Features Across Layers in LLMs [1.5728609542259502]
  隣接層における特徴間の統計的関係を解析し, 前方通過による特徴の進化を理解する。 私たちは、機能とその最もよく似た隣人のためのグラフ視覚化インターフェイスを提供し、レイヤ間で関連する機能のコミュニティを構築します。
  論文  参考訳（メタデータ） (2024-10-11T14:46:49Z)
• Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
  本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。 提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
  論文  参考訳（メタデータ） (2024-03-06T16:31:56Z)
• Going Beyond Neural Network Feature Similarity: The Network Feature Complexity and Its Interpretation Using Category Theory [64.06519549649495]
  機能的に等価な機能と呼ぶものの定義を提供します。 これらの特徴は特定の変換の下で等価な出力を生成する。 反復的特徴マージ(Iterative Feature Merging)というアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-10T16:27:12Z)
• Multi-field Visualisation via Trait-induced Merge Trees [3.7332349900024013]
  属性空間で定義された特性の概念は、特徴レベルセットフレームワークで導入されたものと同じである。 属性空間における結果の距離場は、トポロジカルデータ解析の入力となる空間領域におけるスカラー場を誘導する。 提案手法は、異なるアスペクトのハイライトを可能にする、ツリーに対する異なるクエリメソッドを含む。
  論文  参考訳（メタデータ） (2023-08-17T14:40:48Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• Parallel feature selection based on the trace ratio criterion [4.30274561163157]
  本研究は,PFSTを用いた並列特徴選択という,新しい並列特徴選択手法を提案する。 提案手法は,Fisher's Discriminant Analysisで用いられるクラス分離性の尺度であるトレース基準を用いて特徴的有用性を評価する。 実験により,本手法は,比較対象の他の手法による時間的差のごく一部で,少数の特徴セットを生成できることが確認された。
  論文  参考訳（メタデータ） (2022-03-03T10:50:33Z)
• Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
  本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。 例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。 本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
  論文  参考訳（メタデータ） (2021-03-22T14:32:44Z)
• Rethinking Learnable Tree Filter for Generic Feature Transform [71.77463476808585]
  Learnable Tree Filterはセマンティックセグメンテーションのためのモデル構造保存関係に対する顕著なアプローチを示す。 幾何学的制約を緩和するために,マルコフ確率場として再構成して解析を行い,学習可能な不定項を導入する。 セマンティックセグメンテーションでは、ベルとホイッスルなしでCityscapesベンチマークでトップパフォーマンス(82.1% mIoU)を達成しています。
  論文  参考訳（メタデータ） (2020-12-07T07:16:47Z)
• FREEtree: A Tree-based Approach for High Dimensional Longitudinal Data With Correlated Features [2.00191482700544]
  FREEtreeは高次元長手データと相関する特徴を持つ木に基づく手法である。 重み付き相関ネットワーク分析を用いて、まずそれらをクラスタリングすることで、特徴のネットワーク構造を利用する。 次に、各機能のクラスタ内でスクリーニングステップを実行し、残る機能の中から選択ステップを実行します。
  論文  参考訳（メタデータ） (2020-06-17T07:28:11Z)
• Infinite Feature Selection: A Graph-based Feature Filtering Approach [78.63188057505012]
  グラフ内の経路として特徴のサブセットを考慮したフィルタリング機能選択フレームワークを提案する。 無限に進むことで、選択プロセスの計算複雑性を制限できる。 Inf-FSはほとんどどんな状況でも、つまり、保持するフィーチャの数が優先順位に固定されているときに、より良く振る舞うことを示す。
  論文  参考訳（メタデータ） (2020-06-15T07:20:40Z)

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。