Fugu-MT 論文翻訳(概要): PILOT-C: Physics-Informed Low-Distortion Optimal Trajectory Compression

論文の概要: PILOT-C: Physics-Informed Low-Distortion Optimal Trajectory Compression

arxiv url: http://arxiv.org/abs/2508.03730v1
Date: Wed, 30 Jul 2025 09:56:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-07 20:09:22.338938
Title: PILOT-C: Physics-Informed Low-Distortion Optimal Trajectory Compression
Title（参考訳）: PILOT-C:物理インフォームド低歪み最適軌道圧縮
Authors: Kefei Wu, Baihua Zheng, Weiwei Sun,
Abstract要約: PILOT-Cは,周波数領域の物理モデリングと誤差境界最適化を統合した新しい軌道圧縮フレームワークである。 PILOT-Cは、各空間軸を独立して圧縮することにより、3次元を含む任意の次元の軌道をサポートする。 PILOT-CはCISED-Wと比較して平均32.6%の誤差を減少させる。
参考スコア（独自算出の注目度）: 10.522075092382648
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Location-aware devices continuously generate massive volumes of trajectory data, creating demand for efficient compression. Line simplification is a common solution but typically assumes 2D trajectories and ignores time synchronization and motion continuity. We propose PILOT-C, a novel trajectory compression framework that integrates frequency-domain physics modeling with error-bounded optimization. Unlike existing line simplification methods, PILOT-C supports trajectories in arbitrary dimensions, including 3D, by compressing each spatial axis independently. Evaluated on four real-world datasets, PILOT-C achieves superior performance across multiple dimensions. In terms of compression ratio, PILOT-C outperforms CISED-W, the current state-of-the-art SED-based line simplification algorithm, by an average of 19.2%. For trajectory fidelity, PILOT-C achieves an average of 32.6% reduction in error compared to CISED-W. Additionally, PILOT-C seamlessly extends to three-dimensional trajectories while maintaining the same computational complexity, achieving a 49% improvement in compression ratios over SQUISH-E, the most efficient line simplification algorithm on 3D datasets.
Abstract（参考訳）: 位置認識デバイスは、大量の軌跡データを連続的に生成し、効率的な圧縮の需要を生み出す。線形単純化は一般的な解であるが、通常は2次元軌跡を仮定し、時間同期や運動連続性を無視する。 PILOT-Cは,周波数領域の物理モデリングと誤差境界最適化を統合した新しい軌道圧縮フレームワークである。既存のライン単純化法とは異なり、PILOT-Cは各空間軸を独立に圧縮することにより、3次元を含む任意の次元の軌跡をサポートする。 4つの実世界のデータセットから評価すると、PILOT-Cは複数の次元にわたって優れたパフォーマンスを達成する。圧縮比の面では、PILOT-C は現在の最先端 SED ベースのライン単純化アルゴリズムである CISED-W を平均 19.2% で上回っている。 PILOT-CはCISED-Wと比較して平均32.6%の誤差を減少させる。さらに、PILOT-Cは同じ計算複雑性を維持しながら3次元軌道にシームレスに拡張し、SQUISH-Eよりも圧縮比が49%向上した。

関連論文リスト

DA-Occ: Efficient 3D Voxel Occupancy Prediction via Directional 2D for Geometric Structure Preservation [13.792614780020061]
自律運転システムの性能を確保するためには,効率よく高精度な3D占有予測が不可欠である。本手法では,3次元ボクセルの特徴をスライスして完全な垂直幾何情報を保存する。この戦略は,Bird's-Eye View表現における高さキューの喪失を補償し,立体幾何学構造の整合性を維持する。
論文参考訳（メタデータ） (2025-07-31T14:39:31Z)
Spectral Compression Transformer with Line Pose Graph for Monocular 3D Human Pose Estimation [1.8999296421549172]
本稿では,SCT(Spectral Compression Transformer)を導入し,シーケンス長を削減し,計算を高速化する。 LPGは、入力された2D関節位置を補完する骨格位置情報を生成する。本モデルでは,計算効率を向上し,最先端の性能を実現する。
論文参考訳（メタデータ） (2025-05-27T15:08:03Z)
4DGC: Rate-Aware 4D Gaussian Compression for Efficient Streamable Free-Viewpoint Video [56.04182926886754]
3D Gaussian Splatting (3DGS)は、フォトリアリスティック・フリー・ビューポイント・ビデオ(FVV)体験を可能にする大きな可能性を秘めている。既存の方法は、動的3DGS表現と圧縮を別々に扱うのが一般的である。本稿では,FVVのRD性能を向上しつつ,ストレージサイズを大幅に削減するレート対応4Dガウス圧縮フレームワークである4DGCを提案する。
論文参考訳（メタデータ） (2025-03-24T08:05:27Z)
CAT-3DGS: A Context-Adaptive Triplane Approach to Rate-Distortion-Optimized 3DGS Compression [10.869104603083676]
3D Gaussian Splatting (3DGS)は、最近、有望な3D表現として登場した。リモート側への3DGS表現の圧縮と送信の必要性は見落としている。この新しいアプリケーションは、レート歪みを最適化した3DGS圧縮を要求する。
論文参考訳（メタデータ） (2025-03-01T05:42:52Z)
Factorized Implicit Global Convolution for Automotive Computational Fluid Dynamics Prediction [52.32698071488864]
非常に大きな3DメッシュのCFD問題を効率的に解く新しいアーキテクチャであるFactized Implicit Global Convolution (FIGConv)を提案する。 FIGConvは、既存の3DニューラルCFDモデルよりも大幅に改善された2次複雑性の$O(N2)$を達成する。業界標準のAhmedボディデータセットと大規模DrivAerNetデータセットに対するアプローチを検証する。
論文参考訳（メタデータ） (2025-02-06T18:57:57Z)
Fast Feedforward 3D Gaussian Splatting Compression [55.149325473447384]
3D Gaussian Splatting (FCGS) は、1つのフィードフォワードパスで3DGS表現を高速に圧縮できる最適化フリーモデルである。 FCGSは圧縮比を20倍以上に向上し、高精細度を維持しながら、ほとんどのシーン毎のSOTA最適化手法を上回ります。
論文参考訳（メタデータ） (2024-10-10T15:13:08Z)
Accelerating Large Language Model Training with Hybrid GPU-based Compression [3.204387803072905]
MPIライブラリはメッセージサイズを大幅に削減し、相互接続帯域幅を活用することが証明されている。分散大言語モデル(LLM)学習における圧縮支援型MPI集団の有効性について検討した。
論文参考訳（メタデータ） (2024-09-04T04:05:30Z)
CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
論文参考訳（メタデータ） (2024-04-15T04:50:39Z)
PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic Occupancy Prediction [72.75478398447396]
本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
論文参考訳（メタデータ） (2023-08-31T17:57:17Z)
Inception Convolution with Efficient Dilation Search [121.41030859447487]
拡散畳み込みは、効果的な受容場を制御し、オブジェクトの大規模な分散を処理するための標準的な畳み込みニューラルネットワークの重要な変異体である。そこで我々は,異なる軸,チャネル,層間の独立な拡散を有する拡張畳み込みの新たな変異体,すなわち開始(拡張)畳み込みを提案する。本稿では,データに複雑なインセプション・コンボリューションを適合させる実用的な手法を探索し,統計的最適化に基づく簡易かつ効果的な拡張探索アルゴリズム(EDO)を開発した。
論文参考訳（メタデータ） (2020-12-25T14:58:35Z)

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。