Fugu-MT 論文翻訳(概要): Neural Radiated-Noise Fields for Unmanned Underwater Vehicle Noise Spectrum Prediction in Three-Dimensional Scenes

論文の概要: Neural Radiated-Noise Fields for Unmanned Underwater Vehicle Noise Spectrum Prediction in Three-Dimensional Scenes

arxiv url: http://arxiv.org/abs/2606.04008v1
Date: Fri, 29 May 2026 14:14:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-04 20:44:18.230824
Title: Neural Radiated-Noise Fields for Unmanned Underwater Vehicle Noise Spectrum Prediction in Three-Dimensional Scenes
Title（参考訳）: 3次元シーンにおける無人水中車両騒音スペクトル予測のためのニューラルラジエートノイズ場
Abstract要約: 無人水中車両(UUV)の放射ノイズは、音響的シグネチャを特徴づけ、プラットフォーム性能を評価する上で重要な指標である。本稿では,UUV放射ノイズスペクトルを3次元UUV位置,ハイドロフォン位置,ヨー角の連続関数として表現するニューラルノイズ場(NRNF)を提案する。その結果,NRNFは50～5000Hz帯で平均3.5dBの予測誤差を達成できた。
参考スコア（独自算出の注目度）: 10.880708626336904
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Radiated noise in unmanned underwater vehicles (UUVs) is an important indicator for characterizing acoustic signatures and evaluating platform performance. To address the strong dependence of traditional physics-based modeling and numerical simulation methods on target structural information and environmental boundary conditions, and their inability to achieve continuous spatial spectrum-response modeling in three-dimensional scenes, this paper proposes a neural radiated-noise field (NRNF). An NRNF represents the UUV radiated-noise spectrum as a continuous function of the three-dimensional UUV position, the three-dimensional hydrophone position, the UUV yaw angle, and the frequency, enabling query-based prediction at arbitrary spatial locations. The proposed method employs sinusoidal encoding for position and frequency, and introduces a learnable three-dimensional scene feature grid to explicitly represent environmental structure and propagation effects. A spectrum-prediction dataset is constructed from lake trials, and the proposed model is evaluated under three settings: horizontal extrapolation, depth extrapolation, and cross-run generalization. Results show that the NRNF achieves an average prediction error of 3.5 dB in the 50 to 5000 Hz band. Horizontal extrapolation is easiest, depth extrapolation is the most challenging, and cross-run generalization is of intermediate difficulty. Further ablation results demonstrate that the scene feature grid significantly improves the prediction stability and spatial generalization of the model.
Abstract（参考訳）: 無人水中車両(UUV)の放射ノイズは、音響的シグネチャを特徴づけ、プラットフォーム性能を評価する上で重要な指標である。本研究では,従来の物理モデルと数値シミュレーション手法が対象構造情報と環境境界条件に強く依存していること,および3次元シーンにおける連続空間スペクトル応答モデルの実現が不可能であることに対処するため,ニューラルラジエーテッドノイズ場(NRNF)を提案する。 NRNFは、3次元UUV位置、3次元ハイドロフォン位置、UUVヨー角、周波数の連続関数としてUUV放射ノイズスペクトルを表現し、任意の空間位置でのクエリベースの予測を可能にする。提案手法では, 位置と周波数に正弦波符号化を用い, 環境構造と伝搬効果を明確に表現する学習可能な3次元シーン特徴格子を提案する。湖沼実験からスペクトル予測データセットを構築し, 水平外挿, 深度外挿, クロスラン一般化の3つの設定で評価した。その結果,NRNFは50～5000Hz帯で平均3.5dBの予測誤差を達成できた。水平外挿が最も簡単であり、深度外挿が最も困難であり、クロスラン一般化は中間的困難である。さらにアブレーションの結果、シーン特徴格子はモデルの予測安定性と空間的一般化を大幅に改善することを示した。

関連論文リスト

Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
論文参考訳（メタデータ） (2026-04-16T14:12:06Z)
Gaussian Process Regression of Steering Vectors With Physics-Aware Deep Composite Kernels for Augmented Listening [0.7778724782015985]
本稿では、マイクロホンの周波数と位置に対するステアリングベクトルの連続表現と拡張リスニングのための音源について検討する。指向性波動とそれに続く散乱効果をモデル化した物理対応複合カーネルを提案する。
論文参考訳（メタデータ） (2025-08-20T09:29:14Z)
Diffusion Denoised Hyperspectral Gaussian Splatting [11.486860334986394]
ハイパースペクトルシーンの暗黙的なニューラル表現を作成するために、3次元再構成法が用いられている。拡散分解型ハイパースペクトル撮影法(DD-HGS)を提案する。
論文参考訳（メタデータ） (2025-05-28T02:07:52Z)
LOGLO-FNO: Efficient Learning of Local and Global Features in Fourier Neural Operators [20.77877474840923]
高周波情報は機械学習における重要な課題である。ディープニューラルネットワークは、低周波成分の学習に対するいわゆるスペクトルバイアスを示す。放射結合スペクトル誤差に基づく新しい周波数感受性損失項を提案する。
論文参考訳（メタデータ） (2025-04-05T19:35:04Z)
EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文参考訳（メタデータ） (2025-03-26T02:47:27Z)
AV-Surf: Surface-Enhanced Geometry-Aware Novel-View Acoustic Synthesis [4.751910547396398]
複雑な実環境下での音響伝搬の正確なモデル化は、新しい視点音響合成(NVAS)に不可欠である空間音響モデルを改善するため,NVASのための表面形状認識手法を提案する。本稿では,エミッタ周辺を理解するために,幾何的制約を周波数クエリに組み込んだ2つのクロスアテンション型変換器を提案する。
論文参考訳（メタデータ） (2025-03-17T04:22:53Z)
KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文参考訳（メタデータ） (2024-07-18T05:48:24Z)
Beyond the Visible: Jointly Attending to Spectral and Spatial Dimensions with HSI-Diffusion for the FINCH Spacecraft [2.5057561650768814]
FINCHミッションは、農地の作物の残留物を監視することを目的としている。ハイパースペクトルイメージングは、スペクトル情報と空間情報の両方をキャプチャする。ランダムノイズ、ストライプノイズ、デッドピクセルなど、様々な種類のノイズが生じる傾向がある。
論文参考訳（メタデータ） (2024-06-15T19:34:18Z)
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)
HarmonicNeRF: Geometry-Informed Synthetic View Augmentation for 3D Scene Reconstruction in Driving Scenarios [2.949710700293865]
HarmonicNeRFは、屋外の自己監督型単分子シーン再構築のための新しいアプローチである。形状インフォームド合成ビューで入力空間を拡大することにより、NeRFの強度を生かし、表面再構成精度を高める。提案手法は,新しい深度ビューを合成し,シーンを再構築するための新しいベンチマークを確立し,既存の手法よりも優れていた。
論文参考訳（メタデータ） (2023-10-09T07:42:33Z)
DARF: Depth-Aware Generalizable Neural Radiance Field [51.29437249009986]
本稿では,Depth-Aware Dynamic Smpling(DADS)戦略を用いたDARF(Depth-Aware Generalizable Neural Radiance Field)を提案する。筆者らのフレームワークは,数枚の入力画像で,画素レベルと幾何学レベルの両方の見えないシーンを推測する。 DARFは、最先端の一般化可能なNeRF法と比較して、レンダリング品質と深さ推定を改善しつつ、サンプルを50%削減する。
論文参考訳（メタデータ） (2022-12-05T14:00:59Z)
CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural Representations [77.90883737693325]
本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
論文参考訳（メタデータ） (2022-09-02T17:44:50Z)

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。