論文の概要: Reconstructing the local density field with combined convolutional and point cloud architecture
- arxiv url: http://arxiv.org/abs/2510.08573v1
- Date: Thu, 09 Oct 2025 17:59:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-10 17:54:15.316169
- Title: Reconstructing the local density field with combined convolutional and point cloud architecture
- Title（参考訳）: 畳み込みと点雲構造を組み合わせた局所密度場の再構成
- Authors: Baptiste Barthe-Gold, Nhat-Minh Nguyen, Leander Thiele,
- Abstract要約: ダークマターハローの視線特異速度が与えられた局所的なダークマター密度場の回帰を行うニューラルネットワークを構築した。
我々のアーキテクチャは、畳み込みU-NetとポイントクラウドDeepSetsを組み合わせたものです。
- 参考スコア（独自算出の注目度）: 0.20999222360659608
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We construct a neural network to perform regression on the local dark-matter density field given line-of-sight peculiar velocities of dark-matter halos, biased tracers of the dark matter field. Our architecture combines a convolutional U-Net with a point-cloud DeepSets. This combination enables efficient use of small-scale information and improves reconstruction quality relative to a U-Net-only approach. Specifically, our hybrid network recovers both clustering amplitudes and phases better than the U-Net on small scales.
- Abstract（参考訳）: ダークマターハロ, バイアストレーサ, ダークマターハロの視線特異速度に対して, 局所的なダークマター密度場の回帰を行うニューラルネットワークを構築した。
我々のアーキテクチャは、畳み込みU-NetとポイントクラウドDeepSetsを組み合わせたものです。
この組み合わせにより、小規模情報の効率的な利用が可能となり、U-Netのみのアプローチと比較して再構築品質が向上する。
具体的には、我々のハイブリッドネットワークは、U-Netよりも小さなスケールでクラスタリング振幅と位相の両方を回復する。
関連論文リスト
- OCMG-Net: Neural Oriented Normal Refinement for Unstructured Point Clouds [18.234146052486054]
非構造点雲から指向性正規項を推定するための頑健な精錬法を提案する。
我々のフレームワークは、初期指向の正規性を洗練させるために、特徴空間に符号配向とデータ拡張を組み込んでいる。
従来手法に存在した騒音による方向の不整合の問題に対処するため, チャンファー正規距離と呼ばれる新しい指標を導入する。
論文 参考訳（メタデータ） (2024-09-02T09:30:02Z) - CMG-Net: Robust Normal Estimation for Point Clouds via Chamfer Normal
Distance and Multi-scale Geometry [23.86650228464599]
この研究は、点雲から正規度を推定するための正確で堅牢な方法を示す。
まず,この問題に対処するため,シャンファー正規距離(Chamfer Normal Distance)と呼ばれる新しい尺度を提案する。
マルチスケールな局所的特徴集約と階層的幾何情報融合を含む革新的なアーキテクチャを考案する。
論文 参考訳（メタデータ） (2023-12-14T17:23:16Z) - Point-SLAM: Dense Neural Point Cloud-based SLAM [61.96492935210654]
本稿では,モノクラーRGBD入力に対する高密度ニューラルネットワークの局所化とマッピング(SLAM)手法を提案する。
トラッキングとマッピングの両方が、同じポイントベースのニューラルシーン表現で実行可能であることを実証する。
論文 参考訳（メタデータ） (2023-04-09T16:48:26Z) - Neural Contourlet Network for Monocular 360 Depth Estimation [37.82642960470551]
我々は360度画像の解釈可能かつスパースな表現を構築する新しい視点を提供する。
本稿では,畳み込み型ニューラルネットワークと畳み込み型トランスフォーメーションブランチからなる,畳み込み型ニューラルネットワークを提案する。
エンコーダの段階では、2種類のキューを効果的に融合させる空間スペクトル融合モジュールを設計する。
論文 参考訳（メタデータ） (2022-08-03T02:25:55Z) - Image Compressed Sensing Using Non-local Neural Network [43.51101614942895]
本稿では,非局所ニューラルネットワーク(NL-CSNet)を用いた新しい画像CSフレームワークを提案する。
提案したNL-CSNetでは,非局所的な自己相似性を生かした2つの非局所ワークが構築されている。
マルチスケール特徴領域のサブネットワークでは,高密度特徴表現間の親和性について検討する。
論文 参考訳（メタデータ） (2021-12-07T14:06:12Z) - Learning Neural Light Fields with Ray-Space Embedding Networks [51.88457861982689]
我々は、コンパクトで、光線に沿った統合放射率を直接予測する新しいニューラル光場表現を提案する。
提案手法は,Stanford Light Field データセットのような,高密度の前方向きデータセットの最先端品質を実現する。
論文 参考訳（メタデータ） (2021-12-02T18:59:51Z) - Low Light Image Enhancement via Global and Local Context Modeling [164.85287246243956]
低照度画像強調のためのコンテキスト認識ディープネットワークを導入。
まず、全空間領域上の補完的な手がかりを見つけるために空間相関をモデル化するグローバルコンテキストモジュールを特徴とする。
第二に、比較的大きな受容フィールドで局所的なコンテキストをキャプチャする密な残留ブロックを導入する。
論文 参考訳（メタデータ） (2021-01-04T09:40:54Z) - Neural Architecture Search as Sparse Supernet [78.09905626281046]
本稿では,単一パスと複数パスの探索から混合パスの自動探索へ,ニューラルネットワーク探索(NAS)の問題を拡大することを目的とする。
我々はNAS問題をスパース・スーパーネットとして,空間制約を混合した新しい連続アーキテクチャ表現を用いてモデル化する。
スパーススーパーネットは、コンパクトなノードセット上でスパース混合パスを自動的に達成する。
論文 参考訳（メタデータ） (2020-07-31T14:51:52Z)
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。