論文の概要: LCIP: Loss-Controlled Inverse Projection of High-Dimensional Image Data

• arxiv url: http://arxiv.org/abs/2602.11141v1
• Date: Wed, 11 Feb 2026 18:52:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:02.341791
• Title: LCIP: Loss-Controlled Inverse Projection of High-Dimensional Image Data
• Title（参考訳）: LCIP:高次元画像データのロス制御逆投影
• Authors: Yu Wang, Frederik L. Dennig, Michael Behrisch, Alexandru Telea,
• Abstract要約: 現在の$P-1$メソッドは基本的な制限に悩まされており、データ空間で固定された表面のような構造しか生成できない。 ユーザ制御下にあるデータ空間を一掃できる新しい手法によって、この問題に対処する。 提案手法は,任意の$P$の手法とデータセットに対して汎用的に動作し,直感的な2つのユーザセットパラメータによって制御され,実装が簡単である。
• 参考スコア（独自算出の注目度）: 42.96870618855093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Projections (or dimensionality reduction) methods $P$ aim to map high-dimensional data to typically 2D scatterplots for visual exploration. Inverse projection methods $P^{-1}$ aim to map this 2D space to the data space to support tasks such as data augmentation, classifier analysis, and data imputation. Current $P^{-1}$ methods suffer from a fundamental limitation -- they can only generate a fixed surface-like structure in data space, which poorly covers the richness of this space. We address this by a new method that can `sweep' the data space under user control. Our method works generically for any $P$ technique and dataset, is controlled by two intuitive user-set parameters, and is simple to implement. We demonstrate it by an extensive application involving image manipulation for style transfer.
• Abstract（参考訳）: 投影法(または次元削減法)$P$は、高次元データを通常2次元の散乱子にマッピングして視覚的な探索を行う。 逆プロジェクションメソッド$P^{-1}$はこの2D空間をデータ空間にマッピングし、データ拡張、分類器分析、データ計算などのタスクをサポートする。 現在の$P^{-1}$メソッドは基本的な制限に悩まされており、データ空間において固定された表面のような構造しか生成できない。 ユーザコントロールの下でデータ空間を‘スウィープ’できる新しい方法によって、この問題に対処する。 提案手法は,任意の$P$の手法とデータセットに対して汎用的に動作し,直感的な2つのユーザセットパラメータによって制御され,実装が簡単である。 スタイル転送のための画像操作を含む広範囲なアプリケーションでこれを実証する。

関連論文リスト

• TopoMap++: A faster and more space efficient technique to compute projections with topological guarantees [7.961173033072556]
  TopoMapは、高次元データを視覚空間にマッピングし、視覚空間のリプス濾過の0次元永続図が高次元データと一致することを保証している。 本稿では,1)より空間効率の高いレイアウト,2)はるかに高速な実装,3)プロジェクションの探索を支援するためにトポロジ的階層を利用する新しいツリーマップベースの表現を提案する。 これらの進歩により、TopoMapはTopoMap++と呼ばれるようになった。
  論文  参考訳（メタデータ） (2024-09-11T13:26:32Z)
• Image-based Geolocalization by Ground-to-2.5D Map Matching [21.21416396311102]
  地上視のクエリ画像と2Dマップをマッチングするために、クロスビューのローカライゼーション技術を利用することが多い。 マルチモーダルデータから代表埋め込みを学習するための新しい手法を提案する。 本手法は,重要な幾何学的手がかりを符号化することにより,パノラマ画像と地図のマッチングのための識別的位置埋め込みを学習する。
  論文  参考訳（メタデータ） (2023-08-11T08:00:30Z)
• ShaRP: Shape-Regularized Multidimensional Projections [71.30697308446064]
  本稿では,生成した散布板の視覚的シグネチャをユーザが明示的に制御できる新しいプロジェクション技術,ShaRPを提案する。 ShaRPは次元とデータセットサイズによく対応し、任意の定量的データセットを汎用的に処理する。
  論文  参考訳（メタデータ） (2023-06-01T11:16:58Z)
• Lossy Compression of Large-Scale Radio Interferometric Data [0.0]
  本研究は,ベースライン依存型損失圧縮技術を用いて,可視データ量を削減することを提案する。 MeerKAT と European Very Long Baseline Interferometry Network を基準望遠鏡として,提案手法の性能評価・比較を行っている。
  論文  参考訳（メタデータ） (2023-04-14T10:50:24Z)
• Visual Cluster Separation Using High-Dimensional Sharpened Dimensionality Reduction [65.80631307271705]
  高次元シャープ化DR(HD-SDR)は、合成データセットと実世界のデータセットの両方で試験される。 提案手法は,高品質(品質指標による測定)を達成し,大規模高次元データを用いて計算的に精度よくスケールする。 具体的な応用を説明するため,近年の天文カタログにHD-SDRを適用した。
  論文  参考訳（メタデータ） (2021-10-01T11:13:51Z)
• Index $t$-SNE: Tracking Dynamics of High-Dimensional Datasets with Coherent Embeddings [1.7188280334580195]
  本稿では,クラスタの位置を保存した新しいものを作成するために,埋め込みを再利用する手法を提案する。 提案アルゴリズムは,新しい項目を埋め込むために$t$-SNEと同じ複雑さを持つ。
  論文  参考訳（メタデータ） (2021-09-22T06:45:37Z)
• Refer-it-in-RGBD: A Bottom-up Approach for 3D Visual Grounding in RGBD Images [69.5662419067878]
  RGBD画像における接地参照表現は新たな分野である。 本稿では,参照する物体が閉塞により部分的にスキャンされる場合が多い単視点rgbd画像における3次元視覚グランド化の新たな課題を提案する。 提案手法はまず,RGBD画像内の関連領域をローカライズするヒートマップを生成するために,下層の言語と視覚的特徴を融合させる。 次に、ヒートマップに基づく適応的特徴学習を行い、他のビジオ言語融合とオブジェクトレベルのマッチングを行い、最後に参照したオブジェクトを接地する。
  論文  参考訳（メタデータ） (2021-03-14T11:18:50Z)
• NCVis: Noise Contrastive Approach for Scalable Visualization [79.44177623781043]
  NCVisはノイズコントラスト推定の音響統計的基礎の上に構築された高性能次元減少法である。 NCVisは,他の手法の表現品質を保ちながら,速度の観点から最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-01-30T15:43:50Z)
• A Grid-based Method for Removing Overlaps of Dimensionality Reduction Scatterplot Layouts [40.11095094521714]
  Distance Grid (DGrid) は、DDR(Diality Reduction) scatterplotレイアウトのオーバーラップを取り除くための新しい後処理戦略である。 元のレイアウトの特徴を忠実に保存し、最小のグリフサイズを束縛する。
  論文  参考訳（メタデータ） (2019-03-08T18:20:36Z)

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。