Fugu-MT 論文翻訳(概要): Aggregating time-series and image data: functors and double functors

論文の概要: Aggregating time-series and image data: functors and double functors

arxiv url: http://arxiv.org/abs/2504.05274v1
Date: Mon, 07 Apr 2025 17:12:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-08 14:09:05.690050
Title: Aggregating time-series and image data: functors and double functors
Title（参考訳）: 時系列・画像データの集約:関手と二重関手
Authors: Joscha Diehl,
Abstract要約: 多くの既知の集約演算は、適切な(二重)圏上の(二重)関手として解釈できることを示す。時系列と画像データのための新たな集約操作を提案する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Aggregation of time-series or image data over subsets of the domain is a fundamental task in data science. We show that many known aggregation operations can be interpreted as (double) functors on appropriate (double) categories. Such functorial aggregations are amenable to parallel implementation via straightforward extensions of Blelloch's parallel scan algorithm. In addition to providing a unified viewpoint on existing operations, it allows us to propose new aggregation operations for time-series and image data.
Abstract（参考訳）: ドメインのサブセット上の時系列や画像データの集約は、データサイエンスの基本的なタスクである。多くの既知の集約演算は、適切な(二重)圏上の(二重)関手として解釈できることを示す。このような関手集約は、ブレローチの並列スキャンアルゴリズムの直接拡張によって並列実装が可能である。既存の操作に対する統一的な視点を提供することに加えて,時系列や画像データに対する新たな集約操作を提案することができる。

関連論文リスト

Improving Multi-label Recognition using Class Co-Occurrence Probabilities [7.062238472483738]
マルチラベル認識(MLR)は、画像内の複数のオブジェクトを識別する。最近の研究は、タスクのための大規模なテキスト画像データセットに基づいて訓練された視覚言語モデル(VLM)からの情報を活用している。オブジェクトペアの共起情報を組み込んだ独立分類器の拡張フレームワークを提案する。
論文参考訳（メタデータ） (2024-04-24T20:33:25Z)
Temporal Embeddings: Scalable Self-Supervised Temporal Representation Learning from Spatiotemporal Data for Multimodal Computer Vision [1.4127889233510498]
移動活動時系列に基づいて景観を階層化する新しい手法を提案する。ピクセルワイズ埋め込みは、タスクベースのマルチモーダルモデリングに使用できるイメージライクなチャネルに変換される。
論文参考訳（メタデータ） (2023-10-16T02:53:29Z)
Time-to-Pattern: Information-Theoretic Unsupervised Learning for Scalable Time Series Summarization [7.294418916091012]
時系列要約におけるT2P(Time-to-Pattern)という手法を提案する。 T2Pは、最小記述長の概念に従って、最も有能な情報をエンコードする多様なパターンの集合を見つけることを目的としている。人工的および実世界の実験により、T2Pはノイズや複雑な環境においても、情報的パターンを発見することが判明した。
論文参考訳（メタデータ） (2023-08-26T01:15:32Z)
Multi-interactive Feature Learning and a Full-time Multi-modality Benchmark for Image Fusion and Segmentation [66.15246197473897]
多モード画像融合とセグメンテーションは、自律走行とロボット操作において重要な役割を果たす。画像融合とtextbfSegmentation のための textbfMulti-textbfinteractive textbfFeature Learning アーキテクチャを提案する。
論文参考訳（メタデータ） (2023-08-04T01:03:58Z)
Diffusion Hyperfeatures: Searching Through Time and Space for Semantic Correspondence [88.00004819064672]
Diffusion Hyperfeaturesは、マルチスケールおよびマルチタイムステップの機能マップをピクセル単位の機能記述子に統合するためのフレームワークである。提案手法は,SPair-71k実画像ベンチマークにおいて優れた性能を示す。
論文参考訳（メタデータ） (2023-05-23T17:58:05Z)
funLOCI: a local clustering algorithm for functional data [0.0]
funLOCIは、分割階層クラスタリングに基づく3段階のアルゴリズムである。大量のローカルクラスタを扱うために、結果の最小化のために余分なステップが実装されている。
論文参考訳（メタデータ） (2023-05-22T12:51:58Z)
InterFormer: Real-time Interactive Image Segmentation [80.45763765116175]
インタラクティブなイメージセグメンテーションにより、アノテータはセグメンテーションタスクのためのピクセルレベルのアノテーションを効率的に実行することができる。既存のインタラクティブセグメンテーションパイプラインは、インタラクティブモデルの非効率な計算に悩まされている。これらの問題に対処するための新しいパイプラインに従うInterFormerという手法を提案する。
論文参考訳（メタデータ） (2023-04-06T08:57:00Z)
Exploiting Graph Structured Cross-Domain Representation for Multi-Domain Recommendation [71.45854187886088]
マルチドメインレコメンデータシステムは、クロスドメイン表現学習とポジティブな知識伝達の恩恵を受ける。我々はMAGRecと呼ばれる手法のコンテキスト情報として時間的ドメイン内相互作用とドメイン間相互作用を用いる。我々は、MAGRecが最先端の手法を一貫して上回る様々なシナリオで、公開データセットで実験を行う。
論文参考訳（メタデータ） (2023-02-12T19:51:32Z)
COSTI: a New Classifier for Sequences of Temporal Intervals [0.0]
時間間隔のシーケンスを直接操作する新しい分類法を開発した。提案手法は高い精度を保ち、変換データの操作に接続する欠点を回避しつつ、より良い性能が得られる。
論文参考訳（メタデータ） (2022-04-28T12:55:06Z)
Fast Multi-view Clustering via Ensembles: Towards Scalability, Superiority, and Simplicity [63.85428043085567]
本稿では,アンサンブル(FastMICE)アプローチによる高速なマルチビュークラスタリングを提案する。ランダムなビュー群の概念は、多目的なビューワイズ関係を捉えるために提示される。 FastMICEは、ほぼ線形時間と空間の複雑さを持ち、データセット固有のチューニングは不要である。
論文参考訳（メタデータ） (2022-03-22T09:51:24Z)
Improving Video Instance Segmentation via Temporal Pyramid Routing [61.10753640148878]
Video Instance(VIS)は、ビデオシーケンス内の各インスタンスを検出し、セグメンテーションし、追跡することを目的とした、新しい、本質的にはマルチタスク問題である。隣接する2つのフレームからなる特徴ピラミッド対から画素レベルのアグリゲーションを条件付きで調整し,実行するための時間ピラミッドルーティング(TPR)戦略を提案する。我々のアプローチはプラグイン・アンド・プレイモジュールであり、既存のインスタンス・セグメンテーション・メソッドにも容易に適用できます。
論文参考訳（メタデータ） (2021-07-28T03:57:12Z)

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。