論文の概要: QLook:Quantum-Driven Viewport Prediction for Virtual Reality

• arxiv url: http://arxiv.org/abs/2509.14290v1
• Date: Tue, 16 Sep 2025 22:21:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:52.921848
• Title: QLook:Quantum-Driven Viewport Prediction for Virtual Reality
• Title（参考訳）: QLook:バーチャルリアリティのための量子駆動ビューポート予測
• Authors: Niusha Sabri Kadijani, Yoga Suhas Kuruba Manjunath, Xiaodan Bi, Lian Zhao,
• Abstract要約: 本稿では,没入型仮想現実(VR)環境におけるビューポート予測精度を向上させるための,量子駆動型予測フレームワークQLookを提案する。 提案手法は、古典的ニューラルネットワークと変分量子回路(VQC)を拡張した量子長短期メモリ(QLSTM)ネットワークを統合する、カスケードハイブリッドアーキテクチャを特徴とする。 QLookの実証評価では、平均二乗誤差(MSE)は最先端(SoTA)と比較して37.4%減少している。
• 参考スコア（独自算出の注目度）: 8.974334330768245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose QLook, a quantum-driven predictive framework to improve viewport prediction accuracy in immersive virtual reality (VR) environments. The framework utilizes quantum neural networks (QNNs) to model the user movement data, which has multiple interdependent dimensions and is collected in six-degree-of-freedom (6DoF) VR settings. QNN leverages superposition and entanglement to encode and process complex correlations among high-dimensional user positional data. The proposed solution features a cascaded hybrid architecture that integrates classical neural networks with variational quantum circuits (VQCs)-enhanced quantum long short-term memory (QLSTM) networks. We utilize identity block initialization to mitigate training challenges commonly associated with VQCs, particularly those encountered as barren plateaus. Empirical evaluation of QLook demonstrates a 37.4% reduction in mean squared error (MSE) compared to state-of-the-art (SoTA), showcasing superior viewport prediction.
• Abstract（参考訳）: 本稿では,没入型仮想現実(VR)環境におけるビューポート予測精度を向上させるための,量子駆動型予測フレームワークQLookを提案する。 このフレームワークは、量子ニューラルネットワーク(QNN)を使用して、複数の相互依存次元を持ち、6自由度(6DoF)VR設定で収集されるユーザ移動データをモデル化する。 QNNは重ね合わせと絡み合いを利用して、高次元ユーザ位置データ間の複雑な相関を符号化し、処理する。 提案手法は、古典的ニューラルネットワークと変分量子回路(VQC)を拡張した量子長短期メモリ(QLSTM)ネットワークを統合する、カスケードハイブリッドアーキテクチャを特徴とする。 我々はアイデンティティブロックの初期化を利用して、VQC、特にバレンプラトーとして遭遇するトレーニングの課題を軽減する。 QLookの実証評価では、平均2乗誤差(MSE)が最先端(SoTA)と比較して37.4%減少し、優れたビューポート予測が示される。

関連論文リスト

• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• Efficient Quantum Convolutional Neural Networks for Image Classification: Overcoming Hardware Constraints [2.3895835682351287]
  量子畳み込みニューラルネットワーク(CNN)は、古典的アプローチを上回る可能性を秘めている。 本稿では,入力次元を大幅に削減する符号化方式を提案する。 我々はIBMのHeron r2量子プロセッサの実験を検証し、分類精度は96.08%である。
  論文  参考訳（メタデータ） (2025-05-09T11:09:52Z)
• Bridging Classical and Quantum Machine Learning: Knowledge Transfer From Classical to Quantum Neural Networks Using Knowledge Distillation [0.0]
  本稿では,古典的畳み込みニューラルネットワーク(CNN)から量子ニューラルネットワーク(QNN)へ知識を伝達するための新しい枠組みを提案する。 我々は、MNIST, Fashion MNIST, CIFAR10データセット上の4および8キュービットを持つ2つのパラメタライズド量子回路(PQC)を用いて、広範な実験を行う。 我々の結果は、古典的なディープラーニングと新しい量子コンピューティングをブリッジし、量子マシンインテリジェンスにおいてより強力でリソースを意識したモデルを構築するための、有望なパラダイムを確立します。
  論文  参考訳（メタデータ） (2023-11-23T05:06:43Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• A Novel Spatial-Temporal Variational Quantum Circuit to Enable Deep Learning on NISQ Devices [12.873184000122542]
  本稿では,量子学習における非線形性を統合するために,新しい時空間設計,ST-VQCを提案する。 ST-VQCは、実際の量子コンピュータ上の既存のVQCと比較して30%以上の精度向上を達成できる。
  論文  参考訳（メタデータ） (2023-07-19T06:17:16Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)
• Qutrit-inspired Fully Self-supervised Shallow Quantum Learning Network for Brain Tumor Segmentation [7.173859338960338]
  量子ビットまたはバイレベル量子ビットは、しばしば量子ニューラルネットワークモデルを記述する。 本稿では,脳MR画像の自動分割のための,自己教師付き浅層学習ネットワークモデルを提案する。 その結果,ヒトの介入や計算資源を最小限に抑えることで,腫瘍検出に有望なセグメンテーション結果が得られた。
  論文  参考訳（メタデータ） (2020-09-14T22:15:22Z)

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。