論文の概要: From Sparse Sensors to Continuous Fields: STRIDE for Spatiotemporal Reconstruction
- arxiv url: http://arxiv.org/abs/2602.04201v1
- Date: Wed, 04 Feb 2026 04:39:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.369071
- Title: From Sparse Sensors to Continuous Fields: STRIDE for Spatiotemporal Reconstruction
- Title（参考訳）: スパースセンサから連続場:時空間再構成のためのSTRIDE
- Authors: Yanjie Tong, Peng Chen,
- Abstract要約: 時空間デコーダを用いた高次元空間場を潜時状態にマッピングするフレームワークSTRIDEを提案する。
STRIDEは超高分解能をサポートし、超高分解能をサポートし、ノイズに対して頑健であることを示す。
- 参考スコア（独自算出の注目度）: 3.2580743227673694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing high-dimensional spatiotemporal fields from sparse point-sensor measurements is a central challenge in learning parametric PDE dynamics. Existing approaches often struggle to generalize across trajectories and parameter settings, or rely on discretization-tied decoders that do not naturally transfer across meshes and resolutions. We propose STRIDE (Spatio-Temporal Recurrent Implicit DEcoder), a two-stage framework that maps a short window of sensor measurements to a latent state with a temporal encoder and reconstructs the field at arbitrary query locations with a modulated implicit neural representation (INR) decoder. Using the Fourier Multi-Component and Multi-Layer Neural Network (FMMNN) as the INR backbone improves representation of complex spatial fields and yields more stable optimization than sine-based INRs. We provide a conditional theoretical justification: under stable delay observability of point measurements on a low-dimensional parametric invariant set, the reconstruction operator factors through a finite-dimensional embedding, making STRIDE-type architectures natural approximators. Experiments on four challenging benchmarks spanning chaotic dynamics and wave propagation show that STRIDE outperforms strong baselines under extremely sparse sensing, supports super-resolution, and remains robust to noise.
- Abstract（参考訳）: スパース点センサ測定から高次元時空間場を再構成することは、パラメトリックPDEダイナミクスの学習における中心的な課題である。
既存のアプローチでは、トラジェクトリやパラメータ設定をまたいで一般化したり、メッシュや解像度間で自然に転送されない離散化タイトデコーダに依存する場合が多い。
本研究では、時間エンコーダを用いてセンサ計測の短いウィンドウを潜時状態にマッピングし、暗黙的ニューラル表現(INR)デコーダを用いて任意のクエリ箇所でフィールドを再構成する2段階のフレームワークSTRIDEを提案する。
INRのバックボーンとしてFourier Multi-Component and Multi-Layer Neural Network (FMMNN)を用いると、複雑な空間場の表現が向上し、正弦型INRよりも安定した最適化が得られる。
低次元パラメトリック不変量集合上の点測定の安定な遅延観測性の下では、有限次元埋め込みによる再構成演算子因子が、STRIDE型アーキテクチャーを自然な近似子にしている。
カオス力学と波動伝搬にまたがる4つの挑戦的ベンチマークの実験により、STRIDEは極端に粗いセンシングの下で強いベースラインを上回り、超高分解能をサポートし、ノイズに対して頑健であることが示された。
関連論文リスト
- RIR-Former: Coordinate-Guided Transformer for Continuous Reconstruction of Room Impulse Responses [21.84404827658177]
RIR-Formerはグリッドフリーで1ステップのフィードフォワードモデルである。
トランスバックボーンに正弦波符号化モジュールを導入することにより,マイクロホン位置情報を効果的に組み込むことができる。
様々な模擬音響環境の実験により、RIR-Formerは最先端のベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2026-02-02T09:33:54Z) - HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
イベントカメラは例外的な時間分解能と範囲(モード)を提供する
RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
論文 参考訳（メタデータ） (2025-10-22T13:15:13Z) - Physics-Guided Diffusion Transformer with Spherical Harmonic Posterior Sampling for High-Fidelity Angular Super-Resolution in Diffusion MRI [10.521817442478543]
物理誘導拡散変換器 (PGDiT) を導入し, トレーニング段階と推論段階の両方において, 物理的先行を探索する。
トレーニング中、bベクトル変調とランダム角マスキングを備えたQ-space Geometry-Aware Module (QGAM)は、方向対応表現学習を容易にする。
推測では、2段階の球高調波誘導後サンプリング(SHPS)が取得したデータとの整合を強制し、続いて熱拡散に基づく正則化によって物理的に妥当な再構成が保証される。
論文 参考訳（メタデータ） (2025-09-07T04:31:58Z) - Rotation Equivariant Arbitrary-scale Image Super-Resolution [62.41329042683779]
任意のスケールの超解像(ASISR)は、低解像度の入力画像から任意のスケールの高分解能回復を実現することを目的としている。
本研究では, 回転同変ASISR法の構築に尽力する。
論文 参考訳（メタデータ） (2025-08-07T08:51:03Z) - ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。
HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。
計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
論文 参考訳（メタデータ） (2025-04-16T05:33:42Z) - Reduced Order Modeling with Shallow Recurrent Decoder Networks [5.686433280542813]
SHRED-ROMは、数値的に不安定な逆近似を符号化する堅牢な復号のみの戦略である。
SHRED-ROMは、固定センサや移動センサの限られた値から、新しいパラメータ値の状態を正確に再構成する。
論文 参考訳（メタデータ） (2025-02-15T23:41:31Z) - Sparse identification of nonlinear dynamics and Koopman operators with Shallow Recurrent Decoder Networks [3.1484174280822845]
本稿では, 簡易な実装, 効率的, 堅牢な性能で, センサとモデル識別の問題を共同で解決する手法を提案する。
SINDy-SHREDはGated Recurrent Unitsを使用してスパースセンサー計測と浅いネットワークデコーダをモデル化し、潜在状態空間からフルタイムフィールドを再構築する。
本研究では, 乱流, 海面温度の実環境センサ計測, 直接ビデオデータなどのPDEデータに関する系統的研究を行った。
論文 参考訳（メタデータ） (2025-01-23T02:18:13Z) - Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。
実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
論文 参考訳（メタデータ） (2024-08-01T15:14:10Z) - SGCNeRF: Few-Shot Neural Rendering via Sparse Geometric Consistency Guidance [136.15885067858298]
本研究では、空間的に一貫した幾何フィルタリング機構と周波数誘導幾何正規化戦略により強化された特徴マッチングに基づくスパース幾何正規化モジュールを提案する。
実験により, SGCNeRFは, LLFFおよびDTUにおけるPSNRの0.7dBの改善により, 優れた幾何整合性を実現し, かつFreeNeRFを超えていることが示された。
論文 参考訳（メタデータ） (2024-04-01T08:37:57Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z)
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。