Fugu-MT 論文翻訳(概要): Flow Gym

論文の概要: Flow Gym

arxiv url: http://arxiv.org/abs/2512.20642v1
Date: Fri, 12 Dec 2025 11:20:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-29 00:37:57.111611
Title: Flow Gym
Title（参考訳）: Flow Gym
Authors: Francesco Banelli, Antonio Terpin, Alan Bonomi, Raffaello D'Andrea,
Abstract要約: Flow Gymは、フローフィールド定量化手法の研究と展開のためのツールキットである。 SynthPixを合成画像生成エンジンとして使用し、(学習ベース)アルゴリズムのテスト、デプロイ、トレーニングのための統一インターフェースを提供する。
参考スコア（独自算出の注目度）: 3.861027231915605
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Flow Gym is a toolkit for research and deployment of flow-field quantification methods inspired by OpenAI Gym and Stable-Baselines3. It uses SynthPix as synthetic image generation engine and provides a unified interface for the testing, deployment and training of (learning-based) algorithms for flow-field quantification from a number of consecutive images of tracer particles. It also contains a growing number of integrations of existing algorithms and stable (re-)implementations in JAX.
Abstract（参考訳）: Flow Gymは、OpenAI GymとStable-Baselines3にインスパイアされたフローフィールド定量化手法の研究と展開のためのツールキットである。合成画像生成エンジンとしてSynthPixを使用し、トレーサ粒子の連続した画像からのフローフィールド定量化のための(学習ベース)アルゴリズムのテスト、デプロイ、トレーニングのための統一インターフェースを提供する。また、既存のアルゴリズムと JAX の安定した(再)実装の統合も増えています。

関連論文リスト

SynthPix: A lightspeed PIV images generator [3.861027231915605]
本稿では,PIV(Particle Image Velocimetry)のための合成画像生成装置であるSynthPixについて述べる。 SynthPixは既存のツールと同じ構成パラメータをサポートするが、毎秒のイメージペア生成で数桁のスループットを実現する。
論文参考訳（メタデータ） (2025-12-10T14:08:42Z)
PICT -- A Differentiable, GPU-Accelerated Multi-Block PISO Solver for Simulation-Coupled Learning Tasks in Fluid Dynamics [62.93137406343609]
我々はPyTorchで符号化された可変圧単純化解器であるPICTをGPU(Graphics-Processing-unit)をサポートした流体シミュレータとして提案する。まず,様々なベンチマークにおいて,フォワードシミュレーションと導出した勾配の精度を検証した。 2次元, 3次元の複雑な乱流モデルの学習には, 解法によって得られる勾配が有効であることを示す。
論文参考訳（メタデータ） (2025-05-22T17:55:10Z)
FlowTurbo: Towards Real-time Flow-Based Image Generation with Velocity Refiner [70.90505084288057]
フローベースモデルはサンプリングプロセス中により直線的なサンプリング軌道を生成する傾向にある。擬似修正器やサンプル認識コンパイルなどいくつかの手法を導入し,推論時間をさらに短縮する。 FlowTurboはImageNet上で100(ms/img)で2.12FID、38(ms/img)で3.93FIDに達する
論文参考訳（メタデータ） (2024-09-26T17:59:51Z)
JAX-SPH: A Differentiable Smoothed Particle Hydrodynamics Framework [8.977530522693444]
粒子に基づく流体シミュレーションは、ナヴィエ・ストークス方程式を解くための強力なツールとして登場した。このような問題を解決するためのツールボックスに機械学習メソッドが最近追加されたことは、品質と速度のトレードオフの境界を押し広げている。我々は、ディープラーニングフレームワークと互換性のあるラグランジアン流体シミュレータへの道のりを導き、JAX-SPHを提案する。
論文参考訳（メタデータ） (2024-03-07T18:53:53Z)
DualFluidNet: an Attention-based Dual-pipeline Network for FLuid Simulation [4.694954114339147]
本研究では,注意型デュアルパイプネットワークを用いた3次元流体シミュレーションの革新的手法を提案する。グローバルな流体制御と物理法則のバランスを改善する方法を見つける。また、より複雑なシーンを扱うネットワークの能力をさらに探求する新たなデータセットであるTurton3Dを提案する。
論文参考訳（メタデータ） (2023-12-28T07:37:11Z)
Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
論文参考訳（メタデータ） (2023-11-22T15:07:59Z)
Machine Learning for Particle Flow Reconstruction at CMS [7.527568379083754]
CMSのための機械学習に基づく粒子フローアルゴリズムの実装について詳述する。このアルゴリズムは、温度計クラスタとトラックに基づいて安定粒子を再構成し、グローバルなイベント再構成を提供する。
論文参考訳（メタデータ） (2022-03-01T10:11:44Z)
MQBench: Towards Reproducible and Deployable Model Quantization Benchmark [53.12623958951738]
MQBenchは、モデル量子化アルゴリズムの評価、分析、およびデプロイ可能性のベンチマークを行う最初の試みである。我々は、CPU、GPU、ASIC、DSPを含む実世界のデプロイのための複数のプラットフォームを選択し、最先端の量子化アルゴリズムを評価する。包括的な分析を行い、直感的、直感的、あるいは反直感的な洞察を見出す。
論文参考訳（メタデータ） (2021-11-05T23:38:44Z)

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。