論文の概要: Latent attention on masked patches for flow reconstruction

• arxiv url: http://arxiv.org/abs/2603.02028v1
• Date: Mon, 02 Mar 2026 16:12:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.963103
• Title: Latent attention on masked patches for flow reconstruction
• Title（参考訳）: 流動再建のためのマスクパッチの潜時的注意
• Authors: Ben Eze, Luca Magri, Andrea Nóvoa,
• Abstract要約: 本稿では,マスクフロー再構成のためのレグレッションベースの修正視覚変換器であるLAMPモデルについて紹介する。 その結果,LAMPは10dBから30dBの信号対雑音比で90%の入力から全流れ場を正確に再構成することがわかった。
• 参考スコア（独自算出の注目度）: 8.69419238669827
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision transformers have demonstrated outstanding performance on image generation applications, but their adoption in scientific disciplines, like fluid dynamics, has been limited. We introduce the Latent Attention on Masked Patches (LAMP) model, an interpretable regression-based modified vision transformer designed for masked flow reconstruction. LAMP follows a three-fold strategy: (i) partition of each flow snapshot into patches, (ii) dimensionality reduction of each patch via patch-wise proper orthogonal decomposition, and (iii) reconstruction of the full field from a masked input using a single-layer transformer trained via closed-form linear regression. We test the method on two canonical 2D unsteady wakes: a wake past a bluff body, and a chaotic wake past a flat plate. We show that the LAMP accurately reconstructs the full flow field from a 90\%-masked and noisy input, across signal-to-noise ratios between 10 and 30\,dB. Incorporating nonlinear measurement states can reduce the prediction error by up to an order of magnitude. The learned attention matrix yields physically interpretable multi-fidelity optimal sensor-placement maps. The modularity of the framework enables nonlinear compression and deep attention blocks, thereby providing an efficient baseline for nonlinear and high-dimensional masked flow reconstruction.
• Abstract（参考訳）: ヴィジュアルトランスフォーマーは、画像生成アプリケーションにおいて優れた性能を示してきたが、流体力学のような科学分野への採用は制限されている。 本稿では,マスクフロー再構成用に設計されたレグレッションベースの修正視覚変換器であるLAMPモデルについて紹介する。 LAMPは3倍の戦略に従っています。 i) 各フロースナップショットをパッチに分割する。 (二)パッチワイドな直交分解による各パッチの次元化、及び 三 閉形式線形回帰により訓練した単層変圧器を用いて、マスク入力から全フィールドを復元すること。 本手法は,2つの標準2次元非定常覚醒器において,ブラフ体を経由する覚醒器と平板を経由するカオス覚醒器を用いて試験を行った。 その結果、LAMPは10から30,dBの信号対雑音比で90 %の入力から全流れ場を正確に再構成することを示した。 非線形測定状態を組み込むことで、予測誤差を最大1桁まで低減することができる。 学習した注目行列は、物理的に解釈可能な多重忠実度最適センサ配置マップを生成する。 このフレームワークのモジュラリティは、非線形圧縮と深い注意ブロックを可能にし、非線形かつ高次元のマスキングフロー再構成のための効率的なベースラインを提供する。

関連論文リスト

• MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
  リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。 我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。 MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
  論文  参考訳（メタデータ） (2026-02-04T09:14:09Z)
• Fast & Efficient Normalizing Flows and Applications of Image Generative Models [0.0]
  理論は、生成モデルの効率を向上すること、特にフローの正規化、および現実のコンピュータビジョンの課題を解決するために生成モデルを適用することである。 第1部では,6つの重要なイノベーションを通じて,フローアーキテクチャの正規化に関する大幅な改善が紹介されている。 1) 数学的に証明された必要条件と可逆性のための十分な条件を備えた3x3畳み込み層の開発,2) より効率的な擬似結合層の導入,3) kxk畳み込み層のための高速かつ効率的な並列反転アルゴリズムの設計,4) 畳み込み逆転用高速かつ効率的な逆プロパゲーションアルゴリズム,5) 逆畳み込みの逆利用
  論文  参考訳（メタデータ） (2025-12-03T18:29:03Z)
• Sparse Model Inversion: Efficient Inversion of Vision Transformers for Data-Free Applications [99.72917069918485]
  既存の高密度インバージョン手法を高速化する新しいスパースモデルインバージョン戦略を提案する。 具体的には,雑音背景の逆転や潜在的な刺激的相関を抑えつつ,意味的前景を反転させる。
  論文  参考訳（メタデータ） (2025-10-31T05:14:36Z)
• Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
  本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。 このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。 提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
  論文  参考訳（メタデータ） (2025-08-06T16:16:58Z)
• SHaDe: Compact and Consistent Dynamic 3D Reconstruction via Tri-Plane Deformation and Latent Diffusion [0.0]
  本稿では3つの重要な要素を統合した動的3次元シーン再構成のための新しいフレームワークを提案する。 明示的な三面変形場、球面調和(SH)注目の視野条件付き正準場、時間的に認識される潜在拡散。 提案手法は,時間とともに進化する3つの2次元特徴面を用いて4次元シーンを符号化し,効率的なコンパクト表現を実現する。
  論文  参考訳（メタデータ） (2025-05-22T11:25:38Z)
• PanopticSplatting: End-to-End Panoptic Gaussian Splatting [20.04251473153725]
  そこで我々は,オープン・ボキャブラリ・パノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノ 本手法では,クエリ誘導型ガウス分割と局所的クロスアテンションを導入し,クロスフレームアソシエーションなしで2次元のインスタンスマスクを持ち上げる。 本手法は,ScanNet-V2とScanNet++データセット上での3Dシーンパノビュータ再構成において,高い性能を示す。
  論文  参考訳（メタデータ） (2025-03-23T13:45:39Z)
• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)
• Adaptive Multi-step Refinement Network for Robust Point Cloud Registration [82.64560249066734]
  ポイントクラウド登録は、同じシーンの2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では,前ステップからの情報を活用することで,各ステップの登録品質を向上する適応型多段階改良ネットワークを提案する。 本手法は3DMatch/3DLoMatchベンチマークとKITTIベンチマークの両方で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• Cross-domain Self-supervised Framework for Photoacoustic Computed Tomography Image Reconstruction [4.769412124596113]
  純粋なトランスモデルを用いたクロスドメイン非教師付き再構築(CDUR)戦略を提案する。 モデルに基づく自己監督型再構成を実装し、自己監督を利用して計測と画像の整合性を強制する。 マウスのin-vivo PACTデータセットの実験結果は、我々の教師なしフレームワークの可能性を示している。
  論文  参考訳（メタデータ） (2023-01-17T03:47:01Z)
• S^2-Transformer for Mask-Aware Hyperspectral Image Reconstruction [59.39343894089959]
  トランスフォーマー再構成バックエンドを備えたスナップショット圧縮撮像器(CASSI)は、高忠実度センシング性能を示す。 空間的およびスペクトル的アテンションデザインは ハイパースペクトルモデリングの限界を示します パラレルアテンション設計とマスク認識学習戦略により実装された空間スペクトル(S2-)変換器を提案する。
  論文  参考訳（メタデータ） (2022-09-24T19:26:46Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)

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。