Fugu-MT 論文翻訳(概要): Equivalence and Divergence of Bayesian Log-Odds and Dempster's Combination Rule for 2D Occupancy Grids

論文の概要: Equivalence and Divergence of Bayesian Log-Odds and Dempster's Combination Rule for 2D Occupancy Grids

arxiv url: http://arxiv.org/abs/2602.18872v1
Date: Sat, 21 Feb 2026 15:39:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:41.618682
Title: Equivalence and Divergence of Bayesian Log-Odds and Dempster's Combination Rule for 2D Occupancy Grids
Title（参考訳）: ベイジアンログオッドの等価性と多様性とデンプスターの2次元占有格子の組合せ則
Authors: Tatiana Berlenko, Kirill Krinkin,
Abstract要約: 本稿では,ベイジアン対数とデンプスターの占拠格子図における組み合わせ規則を公正に比較するための,便宜的変換に基づく方法論を提案する。シミュレーションによるBetPマッチング,2つの実際のライダーデータセット,下流経路計画では,ベイジアン核融合が常に好まれる。
参考スコア（独自算出の注目度）: 0.7161783472741748
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a pignistic-transform-based methodology for fair comparison of Bayesian log-odds and Dempster's combination rule in occupancy grid mapping, matching per-observation decision probabilities to isolate the fusion rule from sensor parameterization. Under BetP matching across simulation, two real lidar datasets, and downstream path planning, Bayesian fusion is consistently favored (15/15 directional consistency, p = 3.1e-5) with small absolute differences (0.001-0.022). Under normalized plausibility matching, the direction reverses, confirming the result is matching-criterion-specific. The methodology is reusable for any future Bayesian/belief function comparison.
Abstract（参考訳）: 本稿では,ベイジアン対数法とデンプスターの組合せ則を,占有グリッドマッピングにおいて公正に比較するための便宜的変換に基づく方法論を提案し,センサパラメータ化から融合則を分離する観測単位決定確率に一致させた。シミュレーション、実際の2つのライダーデータセット、下流の経路計画を含むBetPマッチングの下では、ベイジアン融合は、小さな絶対差(0.001-0.022)を持つ15/15方向の一貫性、p = 3.1e-5)が一貫して好まれている。正規化可視性マッチングでは、方向が逆転し、結果が一致基準固有であることが確認される。この手法は将来のベイズ/ビリーフ関数の比較で再利用可能である。

関連論文リスト

Stochastic Loop Corrections to Belief Propagation for Tensor Network Contraction [0.0]
信念の伝播は効率的な近似解を提供するが、ループを持つグラフの体系的な誤りを導入する。そこで本研究では,BPの磁化ループ補正によって正確な結果を得るハイブリッド手法を提案する。提案手法は,任意のパラメータ状態において,制御可能な統計的誤差を伴う偏りのない推定値を提供する。
論文参考訳（メタデータ） (2026-03-09T14:22:43Z)
A Unified View of Drifting and Score-Based Models [92.51878018325031]
ドリフトがカーネル平滑分布にスコアベースの定式化を許すことを示すことにより,拡散モデルの背後にあるスコアマッチング原理との関係を正確にする。一般的なラプラス核に対して正確な分解を導出し、ラプラス核に対してドリフトが低温および高次元状態におけるスコアマッチングの正確なプロキシであることを示す厳密な誤差境界を証明した。
論文参考訳（メタデータ） (2026-03-08T07:41:36Z)
Beyond Pooling: Matching for Robust Generalization under Data Heterogeneity [9.230247128710865]
本稿では,適応型セントロイドに対してサンプルを選択するマッチングフレームワークを提案し,その表現分布を反復的に洗練する。これらの改善は、ゼロショットの医療異常検出に寄与する。
論文参考訳（メタデータ） (2026-02-06T19:56:02Z)
Likelihood Matching for Diffusion Models [2.17741936620649]
学習拡散モデルのためのLikelihood Matchingアプローチを提案する。準類似性は、ガウス分布によって各逆遷移密度を近似すると考えられる。推定スコアとヘッセン情報の両方を利用する計算を容易にするために、サンプリング器が導入された。
論文参考訳（メタデータ） (2025-08-05T16:51:29Z)
Partial Distribution Matching via Partial Wasserstein Adversarial Networks [35.48994933353969]
本稿では,2つの確率分布の整合性を求める基本的機械学習問題である分布マッチング(DM)問題について検討する。提案手法は, 部分分布マッチング (PDM) と呼ばれる緩和された定式化に基づいており, 完全に一致するのではなく, 少数の分布に一致することを目指している。実験結果から,提案したPWANは,最先端の手法と同等あるいは同等の精度で,極めて堅牢なマッチング結果が得られることが確認された。
論文参考訳（メタデータ） (2024-09-16T17:41:45Z)
MGF: Mixed Gaussian Flow for Diverse Trajectory Prediction [72.70572835589158]
本稿では,軌道予測のための正規化フローモデルに対して,混合ガウス前駆体を構築することを提案する。提案手法は,一般的な UCY/ETH および SDD データセットにおける軌道アライメントと多様性の評価において,最先端の性能を実現する。
論文参考訳（メタデータ） (2024-02-19T15:48:55Z)
Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。我々の手法は、最先端の手法をクリアマージンで上回る。
論文参考訳（メタデータ） (2023-07-16T16:32:14Z)
Overlap-guided Gaussian Mixture Models for Point Cloud Registration [61.250516170418784]
確率的3Dポイントクラウド登録法は、ノイズ、アウトレーヤ、密度変動を克服する競合性能を示した。本稿では,一致したガウス混合モデル(GMM)パラメータから最適変換を演算する,重複誘導確率登録手法を提案する。
論文参考訳（メタデータ） (2022-10-17T08:02:33Z)
Semiparametric Bayesian Networks [5.205440005969871]
パラメトリックおよび非パラメトリック条件付き確率分布を組み合わせた半パラメトリックベイズネットワークを提案する。彼らの目的は、パラメトリックモデルの有界複雑性と非パラメトリックモデルの柔軟性を統合することである。
論文参考訳（メタデータ） (2021-09-07T11:47:32Z)
Modeling Sequences as Distributions with Uncertainty for Sequential Recommendation [63.77513071533095]
既存のシーケンシャルメソッドの多くは、ユーザが決定論的であると仮定する。項目-項目遷移は、いくつかの項目において著しく変動し、ユーザの興味のランダム性を示す。本稿では,不確実性を逐次モデルに注入する分散型トランスフォーマーシークエンシャルレコメンデーション(DT4SR)を提案する。
論文参考訳（メタデータ） (2021-06-11T04:35:21Z)
Comparing Probability Distributions with Conditional Transport [63.11403041984197]
新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。 ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
論文参考訳（メタデータ） (2020-12-28T05:14:22Z)

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。