論文の概要: Variational Autoencoder for Calibration: A New Approach
- arxiv url: http://arxiv.org/abs/2511.00475v1
- Date: Sat, 01 Nov 2025 10:05:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.794506
- Title: Variational Autoencoder for Calibration: A New Approach
- Title（参考訳）: キャリブレーションのための変分オートエンコーダ:新しいアプローチ
- Authors: Travis Barrett, Amit Kumar Mishra, Joyce Mwangama,
- Abstract要約: 本稿では,センサの校正のための変分オートエンコーダ(VAE)の新たな実装を提案する。
既存のマルチセンサガスデータセットを用いて概念実証を行う。
- 参考スコア（独自算出の注目度）: 1.5038537438390556
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this paper we present a new implementation of a Variational Autoencoder (VAE) for the calibration of sensors. We propose that the VAE can be used to calibrate sensor data by training the latent space as a calibration output. We discuss this new approach and show a proof-of-concept using an existing multi-sensor gas dataset. We show the performance of the proposed calibration VAE and found that it was capable of performing as calibration model while performing as an autoencoder simultaneously. Additionally, these models have shown that they are capable of creating statistically similar outputs from both the calibration output as well as the reconstruction output to their respective truth data. We then discuss the methods of future testing and planned expansion of this work.
- Abstract（参考訳）: 本稿では,センサの校正のための変分オートエンコーダ(VAE)の新たな実装を提案する。
本稿では,VAEを用いて潜時空間を校正出力としてトレーニングすることにより,センサデータの校正が可能であることを提案する。
提案手法を議論し,既存のマルチセンサガスデータセットを用いて概念実証を行う。
提案するキャリブレーションVAEの性能を示し,オートエンコーダを同時に動作させながらキャリブレーションモデルとして動作可能であることを確認した。
さらに, これらのモデルでは, キャリブレーション出力とそれぞれの真理データへの再構成出力から, 統計的に類似した出力を生成することができることを示した。
次に、今後のテストの方法と、本研究の計画拡張について論じる。
関連論文リスト
- Cal or No Cal? -- Real-Time Miscalibration Detection of LiDAR and Camera Sensors [0.8437187555622164]
安全の観点からは、センサーのキャリブレーションは自動運転の鍵となる。
オンラインキャリブレーションは厳格なリアルタイムとリソースの制約を受ける。
校正パラメータの直接回帰から校正状態のバイナリ分類に焦点を移す誤校正検出フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-31T08:13:23Z) - UniCal: Unified Neural Sensor Calibration [32.7372115947273]
自動運転車(SDV)には、LiDARとカメラの正確な校正が必要である。
従来のキャリブレーション手法では、制御され構造化されたシーンでキャプチャされたフィデューシャルを利用し、処理を最適化するために対応を計算する。
我々は、複数のLiDARとカメラを備えたSDVを強制的に校正する統合フレームワークUniCalを提案する。
論文 参考訳（メタデータ） (2024-09-27T17:56:04Z) - On Calibration of Object Detectors: Pitfalls, Evaluation and Baselines [15.306933156466522]
オブジェクト検出器の信頼性の高い使用には、それらを校正する必要がある。
最近のアプローチでは、スクラッチからそれらを訓練して校正された検出器を得るために、新しい損失関数を設計する。
対象検出器の校正と精度を共同で測定する原理的評価フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-30T20:12:14Z) - C-TPT: Calibrated Test-Time Prompt Tuning for Vision-Language Models via Text Feature Dispersion [54.81141583427542]
深層学習において,ラベル付きデータを必要としない微調整手法としてテスト時間適応が注目されている。
本稿では,CLIPの固有特性を利用したテスト時プロンプトチューニング時の校正について検討する。
そこで本研究では,C-TPT(Calibrated Test-time Prompt Tuning)という,キャリブレーションの強化によるテスト時間中のプロンプトの最適化手法を提案する。
論文 参考訳（メタデータ） (2024-03-21T04:08:29Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。
自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文 参考訳（メタデータ） (2020-12-07T14:16:14Z) - Simple and Effective VAE Training with Calibrated Decoders [123.08908889310258]
変分オートエンコーダ(VAE)は、複雑な分布をモデル化するための効果的で簡単な方法である。
復号分布の不確かさを学習する校正復号器の影響について検討する。
本稿では,一般的なガウス復号器の簡易かつ斬新な修正を提案し,その予測分散を解析的に計算する。
論文 参考訳（メタデータ） (2020-06-23T17:57:47Z) - Calibrating Structured Output Predictors for Natural Language Processing [8.361023354729731]
本稿では,ニューラルネットワークに基づく構造化予測モデルに注目する出力要素の一般的なキャリブレーション手法を提案する。
提案手法は,任意のバイナリクラスキャリブレーションスキームとニューラルネットワークモデルを用いて適用することができる。
提案手法は, 話者認識, パート・オブ・音声, 質問応答における現在のキャリブレーション手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-04-09T04:14:46Z)
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。