論文の概要: Modeling nonstationary spatial processes with normalizing flows
- arxiv url: http://arxiv.org/abs/2509.12884v1
- Date: Tue, 16 Sep 2025 09:37:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-17 17:50:53.008748
- Title: Modeling nonstationary spatial processes with normalizing flows
- Title（参考訳）: 正規化フローを用いた非定常空間過程のモデリング
- Authors: Pratik Nag, Andrew Zammit-Mangion, Ying Sun,
- Abstract要約: ニューラル自己回帰流(NAF)を用いた非定常異方性空間過程のモデリングのための新しいアプローチを提案する。
シミュレーション研究を通じて、NAFモデルは他の一般的な空間プロセスモデルよりも表現能力が高いことを示した。
提案するモデリングフレームワークを3D Argo Floatsデータセットのサブセットに適用し,実世界のアプリケーションにおけるフレームワークの有用性を強調した。
- 参考スコア（独自算出の注目度）: 4.5379917333739055
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nonstationary spatial processes can often be represented as stationary processes on a warped spatial domain. Selecting an appropriate spatial warping function for a given application is often difficult and, as a result of this, warping methods have largely been limited to two-dimensional spatial domains. In this paper, we introduce a novel approach to modeling nonstationary, anisotropic spatial processes using neural autoregressive flows (NAFs), a class of invertible mappings capable of generating complex, high-dimensional warpings. Through simulation studies we demonstrate that a NAF-based model has greater representational capacity than other commonly used spatial process models. We apply our proposed modeling framework to a subset of the 3D Argo Floats dataset, highlighting the utility of our framework in real-world applications.
- Abstract（参考訳）: 非定常空間過程は、しばしば歪んだ空間領域上の定常過程として表される。
与えられた用途に対して適切な空間ワープ関数を選択することはしばしば困難であり、その結果、ワープ手法は2次元空間領域に限られている。
本稿では,非定常非等方性空間過程を,複雑で高次元のワープを生成可能な非可逆写像のクラスであるニューラル自己回帰流(NAF)を用いてモデル化する手法を提案する。
シミュレーション研究を通じて、NAFモデルは他の一般的な空間プロセスモデルよりも表現能力が高いことを示した。
提案するモデリングフレームワークを3D Argo Floatsデータセットのサブセットに適用し,実世界のアプリケーションにおけるフレームワークの有用性を強調した。
関連論文リスト
- Geometric Regularity in Deterministic Sampling of Diffusion-based Generative Models [39.94246633953425]
決定論的サンプリング力学における顕著な幾何学的規則性を明らかにする。
すべての軌道は、モデルアーキテクチャ、適用条件、生成された内容に関わらず、ほぼ同じ「ボメラン」形状を示す。
提案手法は,サンプリング時間スケジュールと基礎となる軌道構造との整合性を向上する動的プログラミングに基づくスキームを提案する。
論文 参考訳（メタデータ） (2025-06-11T21:09:09Z) - Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations [0.0]
定常モデルと等方性モデルの推論は比較的容易であるが、これらのモデルの基礎となる仮定は、大きな領域や地形上の複雑な領域で観測されるデータによって満たされることは滅多にない。
空間モデルにおける非定常性の調節の可能なアプローチは、静止性と等方性が合理的に仮定できる潜在空間に空間領域をワープすることである。
これらの課題を克服するために、極端依存における非定常性を捉えるための深層構成空間モデルを開発する。
論文 参考訳（メタデータ） (2025-05-18T21:22:00Z) - FACTS: A Factored State-Space Framework For World Modelling [24.08175276756845]
本研究では,時空間空間モデリングのための新しいリカレントフレームワークであるtextbfFACTored textbfState-space (textbfFACTS) モデルを提案する。
FACTSフレームワークは、置換可能なメモリ表現を学習するルーティング機構を備えたグラフメモリを構築する。
汎用的な世界モデリング設計にもかかわらず、常に最先端のモデルに勝ったり、マッチする。
論文 参考訳（メタデータ） (2024-10-28T11:04:42Z) - Surf-D: Generating High-Quality Surfaces of Arbitrary Topologies Using Diffusion Models [83.35835521670955]
Surf-Dは任意の位相を持つ表面として高品質な3次元形状を生成する新しい方法である。
非符号距離場(UDF)を曲面表現として用いて任意の位相を許容する。
また、ポイントベースのAutoEncoderを用いて、UDFを正確に符号化するためのコンパクトで連続的な潜在空間を学習する新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2023-11-28T18:56:01Z) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳（メタデータ） (2023-10-11T18:38:28Z) - Forward Flow for Novel View Synthesis of Dynamic Scenes [97.97012116793964]
本稿では,前向きワープを用いた動的シーンの新たなビュー合成のためのニューラルラジアンス場(NeRF)アプローチを提案する。
本手法は、新しいビューレンダリングとモーションモデリングの両方において、既存の手法よりも優れている。
論文 参考訳（メタデータ） (2023-09-29T16:51:06Z) - Spectral Diffusion Processes [26.510979162244304]
スコアベース生成モデリング(SGM)は有限次元空間上の密度をモデル化するための非常に効果的な手法であることが証明されている。
我々はスペクトル空間の関数データを表現し、プロセスの一部を時空間部分から解離させる。
論文 参考訳（メタデータ） (2022-09-28T14:23:41Z) - Efficient nonlinear manifold reduced order model [0.19116784879310023]
非線形多様体 ROM (NM-ROM) はLS-ROMよりも小さい潜在空間次元の高忠実度モデル解を近似することができる。
その結果、ニューラルネットワークは、レイノルズ数の高い2次元バーガー方程式から、アドベクションに支配されたデータに基づいてより効率的な潜在空間表現を学習できることを示した。
論文 参考訳（メタデータ） (2020-11-13T18:46:21Z)
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。