論文の概要: Conditional Generative Models for High-Resolution Range Profiles: Capturing Geometry-Driven Trends in a Large-Scale Maritime Dataset
- arxiv url: http://arxiv.org/abs/2602.13297v1
- Date: Mon, 09 Feb 2026 09:43:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:27.83109
- Title: Conditional Generative Models for High-Resolution Range Profiles: Capturing Geometry-Driven Trends in a Large-Scale Maritime Dataset
- Title（参考訳）: 高分解域プロファイルの条件付き生成モデル:大規模海洋データセットにおける幾何駆動型トレンドのキャプチャ
- Authors: Edwyn Brient, Santiago Velasco-Forero, Rami Kassab,
- Abstract要約: 高分解能レンジプロファイル(HRRP)は、レーダー自動目標認識のための高速なオンボード処理を可能にする。
取得条件に対する強い感度は、運用シナリオ間の堅牢性を制限します。
大規模海洋データベース上でのHRRP合成について検討した。
- 参考スコア（独自算出の注目度）: 0.8857443660746979
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-resolution range profiles (HRRPs) enable fast onboard processing for radar automatic target recognition, but their strong sensitivity to acquisition conditions limits robustness across operational scenarios. Conditional HRRP generation can mitigate this issue, yet prior studies are constrained by small, highly specific datasets. We study HRRP synthesis on a largescale maritime database representative of coastal surveillance variability. Our analysis indicates that the fundamental scenario drivers are geometric: ship dimensions and the desired aspect angle. Conditioning on these variables, we train generative models and show that the synthesized signatures reproduce the expected line-of-sight geometric trend observed in real data. These results highlight the central role of acquisition geometry for robust HRRP generation.
- Abstract（参考訳）: 高分解能レンジプロファイル(HRRP)は、レーダー自動目標認識のための高速なオンボード処理を可能にするが、取得条件に対する強い感度は、運用シナリオ間の堅牢性を制限する。
条件付きHRRP生成はこの問題を軽減することができるが、先行研究は小さく、非常に特異的なデータセットによって制限される。
大規模海洋データベース上でのHRRP合成について検討した。
我々の分析は、基本的なシナリオドライバは幾何学的であり、船の寸法と所望のアスペクト角であることを示している。
これらの変数を条件に、生成モデルを訓練し、合成されたシグネチャが実データで観測される視線幾何学的傾向を再現することを示す。
これらの結果は、堅牢なHRRP生成における獲得幾何学の中枢的な役割を浮き彫りにする。
関連論文リスト
- Visual Autoregressive Modelling for Monocular Depth Estimation [69.01449528371916]
本稿では,視覚的自己回帰(VAR)に基づく単眼深度推定手法を提案する。
提案手法は,大規模テキスト・画像VARモデルに適応し,スケールワイド・コンディショナル・アップサンプリング機構を導入する。
本研究では,屋内ベンチマークにおける制約付きトレーニング条件下での最先端性能と,屋外データセットに適用した場合の強い性能について報告する。
論文 参考訳（メタデータ） (2025-12-27T17:08:03Z) - Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。
Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。
高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
論文 参考訳（メタデータ） (2025-10-27T03:52:45Z) - Rethinking deep learning: linear regression remains a key benchmark in predicting terrestrial water storage [11.462378606382439]
線形回帰は, より複雑なLSTMとテンポラルフュージョン変換器とを比較検討した結果, 線形回帰は頑健なベンチマークであることがわかった。
本研究は,ディープラーニングモデルの開発と評価において,従来の統計モデルをベンチマークとして含めることの重要性を強調した。
我々は、自然変動と人間の介入の複合的な影響を捉えるために、グローバルに代表されるベンチマークデータセットを確立するための重要な必要性を強調します。
論文 参考訳（メタデータ） (2025-10-12T20:34:45Z) - A Deep Learning Approach for Spatio-Temporal Forecasting of InSAR Ground Deformation in Eastern Ireland [2.840858735842673]
地盤変位のモニタリングは、都市インフラと地質学的危険の軽減に不可欠である。
本稿では,スパース点計測を高密度時間テンソルに変換する新しいディープラーニングフレームワークを提案する。
その結果,提案アーキテクチャはより正確で空間的に整合性のある予測を提供することを示した。
論文 参考訳（メタデータ） (2025-09-17T17:10:18Z) - ROVR-Open-Dataset: A Large-Scale Depth Dataset for Autonomous Driving [62.9051914830949]
実世界の運転の複雑さを捉えるために設計された,大規模で多様で費用効率のよい深度データセットであるROVRを提案する。
軽量な取得パイプラインは、スケーラブルなコレクションを保証すると同時に、統計的に十分な基礎的真実は堅牢なトレーニングをサポートする。
最先端の単分子深度モデルによるベンチマークでは、厳密なクロスデータセットの一般化失敗が示される。
論文 参考訳（メタデータ） (2025-08-19T16:13:49Z) - Structural Connectome Harmonization Using Deep Learning: The Strength of Graph Neural Networks [0.9663199711697325]
構造コネクトーム(SC)研究における小さなサンプルサイズは、神経学的および精神疾患に対する信頼性の高いバイオマーカーの開発を制限する。
大規模なマルチサイト研究は存在するが、スキャナーの不均一性による買収関連バイアスがある。
本稿では,メタデータを必要とせず,多様な取得サイト間でSCを調和させる,サイト条件の深い調和フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-18T14:58:05Z) - High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。
近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。
機能適応型INR(FA-INR)を提案する。
論文 参考訳（メタデータ） (2025-06-07T16:45:17Z) - PI-HMR: Towards Robust In-bed Temporal Human Shape Reconstruction with Contact Pressure Sensing [0.2890929553637981]
圧力を感知するベッドシートは、リアルタイムのモーションリコンストラクションに有望なソリューションを提供する。
本稿では,トップビューシナリオにおける奥行きの曖昧さを克服する最適化手法SMPLify-IBを紹介する。
圧力列からメッシュを回帰する時間的人体形状推定器PI-HMRを提案する。
論文 参考訳（メタデータ） (2025-02-27T12:42:44Z) - RIE-SenseNet: Riemannian Manifold Embedding of Multi-Source Industrial Sensor Signals for Robust Pattern Recognition [2.845523526282637]
産業センサネットワークは、非線形構造とシフト分布を持つ複雑な信号を生成する。
本稿では,新しい幾何対応トランスモデルであるRIE-SenseNetを提案する。
RIE-SenseNetは90%のF1スコアを獲得し、CNNやTransformerのベースラインをはるかに上回っている。
論文 参考訳（メタデータ） (2025-02-04T15:53:30Z) - Geometry Matters: Benchmarking Scientific ML Approaches for Flow Prediction around Complex Geometries [23.111935712144277]
複雑な幾何学体を取り巻く流体力学の迅速かつ正確なシミュレーションは、様々な工学的・科学的応用において重要である。
科学機械学習(SciML)はかなりの可能性を示してきたが、この分野のほとんどの研究は単純な幾何学に限られている。
本稿では,複雑な地形上での流動予測のための多種多様なSciMLモデルのベンチマークにより,このギャップを解消する。
論文 参考訳（メタデータ） (2024-12-31T00:23:15Z) - Optimizing Sequential Recommendation Models with Scaling Laws and Approximate Entropy [104.48511402784763]
SRモデルの性能法則は,モデルの性能とデータ品質の関係を理論的に調査し,モデル化することを目的としている。
データ品質を評価するために、従来のデータ量メトリクスと比較して、より曖昧なアプローチを示すために、近似エントロピー(ApEn)を提案する。
論文 参考訳（メタデータ） (2024-11-30T10:56:30Z) - Deep Autoencoding Topic Model with Scalable Hybrid Bayesian Inference [55.35176938713946]
我々は、ガンマ分布の階層構造を用いて、その多確率層生成ネットワークを構築するディープ・オートエンコーディング・トピック・モデル(DATM)を開発した。
Weibull上向き変分エンコーダを提案する。このエンコーダは深層ニューラルネットワークを介して情報を上向きに伝播し,次いで下向き生成モデルを提案する。
大規模コーパス上での教師なしおよび教師なしの学習タスクにおいて,モデルの有効性とスケーラビリティを実証した。
論文 参考訳（メタデータ） (2020-06-15T22:22:56Z)
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。