論文の概要: Cross-View Variance Correlation in Path-Traced Stereo:A Hidden Shortcut in Synthetic Training Data

• arxiv url: http://arxiv.org/abs/2606.25483v1
• Date: Wed, 24 Jun 2026 07:13:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.254241
• Title: Cross-View Variance Correlation in Path-Traced Stereo:A Hidden Shortcut in Synthetic Training Data
• Title（参考訳）: 経路トラクテッドステレオにおけるクロスビュー変動相関:合成学習データにおける隠れショートカット
• Abstract要約: パストレーシングされた合成ステレオデータは、多くの不均一推定訓練パイプラインを実現する。 基礎となる共分散場は, 地道不均等ワープに整列すると, 高い相関関係を示す。 この信号はMCレンダリングデータに特有であり、候補のsim-to-realショートカットを構成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Path-traced synthetic stereo data underlie a large fraction of modern disparity-estimation training pipelines. We report a previously unrecognised property of such data: while the Monte Carlo (MC) noise streams of the two cameras are statistically independent, the underlying \emph{variance fields} -- deterministic per-pixel functions of the rendering integrand -- are highly correlated once aligned by the ground-truth disparity warp. Across 20 scenes rendered with Mitsuba~3, the warped Pearson correlation reaches $ρ{=}0.754{\pm}0.016$ across 20 scenes at $\mathrm{SPP}{=}512$, and on a representative scene remains essentially invariant ($ρ{=}0.778{\pm}0.001$) over a $16\times$ range of samples per pixel. The effect is strongest in Lambertian regions ($ρ{\approx}0.78$) and substantially weaker in glass ($ρ{\approx}0.30$), as predicted by an integrand decomposition into view-independent and view-dependent components. A residual-shuffle intervention that breaks the cross-view alignment while preserving the clean image degrades the GT cost margin by $33\%$ on non-glass and the variance-based winner-take-all accuracy on glass by $4.3\times$, confirming the structure functions as a matching cue. This signal is unique to MC-rendered data and constitutes a candidate sim-to-real shortcut whose impact on trained networks remains to be quantified.
• Abstract（参考訳）: パストレーシングされた合成ステレオデータは、現代の異種推定訓練パイプラインのかなりの部分を占める。 両カメラのモンテカルロ(MC)ノイズストリームは統計的に独立であるのに対し,基礎となる 'emph{variance field} -- レンダリングインテグレードの画素ごとの決定論的関数 -- は,一度は接地的不一致ワープに一致している。 ミツバ~3でレンダリングされた20のシーンで、ワープされたピアソンの相関は、20のシーンにわたって$ρ{=}0.754{\pm}0.016$に達し、代表シーンでは1ピクセルあたりのサンプルの16ドルに対して本質的に不変である(ρ{=}0.778{\pm}0.001$)。 この効果はランベルト地方(ρ{\approx}0.78$)で強く、ガラス(ρ{\approx}0.30$)ではかなり弱い。 クリーンな画像を保持しながら横方向のアライメントを損なう残差シャッフル介入は、ガラス上のGTコストマージンを3,3\%、ガラス上での分散ベースの勝者テイクオール精度を4.3\times$に低下させ、構造が一致するキューとして機能することを確認する。 この信号はMCレンダリングデータに特有のものであり、訓練されたネットワークへの影響を定量化するための候補sim-to-realショートカットを構成する。

関連論文リスト

• CyFM: Cylindrical Optimal Transport for Few-Step Complex-Valued Flow Matching [0.0]
  磁気共鳴イメージング(MRI)やオーディオスペクトログラムのような複雑な信号は、ほぼ常に平らな2チャンネルユークリッドデータとしてモデル化されている。 継承された計量 $dA2 + A2 d2$ を、分離された積の計量 $dA2 + d2$ に置き換え、その置換コストとそれが何を買うかを測定する。 我々は, 回帰目標を厳密に拘束する円筒フローマッチング (CyFM) と, 円筒メータ内の全フィールド上で計算した極小バッチ・最適輸送を用いて, ノイズとデータを結合して解析する。
  論文  参考訳（メタデータ） (2026-09-12T22:12:33Z)
• Disparity Has a Sign: Stereo Matching Beyond the Zero-Disparity Plane [52.210414985125816]
  立体視内容が、負の相違に対応するゼロの相違面の背後にある物体をどう含んでいるかを示す。 撮影者が作成した7本の公開映画から21,495ドルのステレオペアのベンチマークである textitZDPShift を提案する。 同じシーンコンテンツでは、ファンデーションは25.24ドルEPEから75.33ドルpxに上昇し、すべてのバックボーンが3ピクセルの差分誤差を超えるピクセルの約半分を残している。
  論文  参考訳（メタデータ） (2026-09-06T19:58:35Z)
• Inferring Missing Trajectory Data with Temporal Convolutional Networks [0.0]
  本稿では,標準因果制約を緩和する対称拡張型時間畳み込みネットワーク(TCN)を提案する。 このモデルは、重み付き平均二乗誤差、境界連続性ペナルティ、滑らか性正規化器を組み合わせた複合損失で訓練される。 1000ドル(電車)、200ドル(バリデーション)、300ドル(テスト)の2次元軌道にランダムに配置された20%のマスク付きセグメントで訓練されたこのモデルは、良いR$2ドル、MSE、MAEの計測値を得る。
  論文  参考訳（メタデータ） (2026-07-27T23:46:15Z)
• A Spectral Phase Diagram for Binary Few-Shot Classification: Intrinsic Dimensionality, Geometric Saturation, and Representational Diagnosis [0.0]
  飽和指数 $S(K) = operatornameerank(widehat_W(K)) / K$ は、プールされたクラス内サンプルの有効ランクとショットカウントとの比を測る。 インデックスはサポート機能だけで$O(d3)$ timeで計算可能で、テストラベルやトレーニングされた分類子を必要としない。
  論文  参考訳（メタデータ） (2026-06-12T16:46:24Z)
• CaricHarmony: Contrastive Diffusion Paths for Identity-Preserving Caricature Synthesis [49.596677723190886]
  スケッチベースの似顔絵合成は、基本的な失敗モードに悩まされる。 アイデンティティと形状の条件は拡散モデルに組み合わされ、地味な肖像画や認識不能な歪みに対して崩壊する。 並列な未汚染拡散経路を通じてこの汚染を明示的に解消する最初の訓練不要な手法であるCaricHarmonyを提案する。
  論文  参考訳（メタデータ） (2026-06-11T22:57:59Z)
• Prism: Structural Symmetry Scanning via Duality-Constrained Laplacian Projection [0.0]
  複雑なネットワークにおける構造対称性診断のためのフレームワークである textbfPrism を導入する。 Prismは、ネットワークが構造的自己整合性からどのくらい離れているかを測定するスカラーである。
  論文  参考訳（メタデータ） (2026-05-18T04:20:05Z)
• Hardware Validation of DAGI via a Modular "Ridge" Signature and High-Order Synergistic Information [0.0]
  IBM Quantumハードウェア上でのDAGI(Directed Acyclic Graph Information)フレームワーク。 理想的な出力分布が低次元モジュラー多様体(リッジ)に制約される小さな制御された実験 キーリカバリはチャンスを超えた:ショット毎の精度0.1689(チャンス0.125,95% Wilson CI[0.1610, 0.1772]) これらの結果は、DAGIが非自明でハードウェアに耐性のある情報構造を検出し、定量化するという主張を支持する。
  論文  参考訳（メタデータ） (2026-04-16T14:16:59Z)
• Not All Forgetting Is Equal: Architecture-Dependent Retention Dynamics in Fine-Tuned Image Classifiers [0.0]
  ResNet-18 と DeiT-Small の微調整中の各固有点におけるサンプル毎の正当性を追跡する。 第5に、ヘッドウォームアップ後のサンプルの損失は、長期的な崩壊定数を予測する。 アンサンブルにおけるアーキテクチャの多様性は、維持のカバレッジをもたらすことを示唆している。
  論文  参考訳（メタデータ） (2026-04-13T14:11:47Z)
• $\mathbb{X}$-Sample Contrastive Loss: Improving Contrastive Learning with Sample Similarity Graphs [62.565573316667276]
  サンプルが他者とどのように関連しているかを符号化する目的を開発する。 クラスやテキストのキャプション記述における類似性に基づいて視覚モデルを訓練する。 我々の目標は、特に低いデータ体制でうまく機能しているようで、CLIPが16.8%、ImageNet Realが18.1%だった。
  論文  参考訳（メタデータ） (2024-07-25T15:38:16Z)
• Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
  本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。 我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。 我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-05-10T09:58:47Z)
• SimCon Loss with Multiple Views for Text Supervised Semantic Segmentation [10.735102459660057]
  Webデータから画像テキストのアライメントに頼ることによって、画像のセグメンテーションを純粋に行うことは、データのノイズによる準最適パフォーマンスにつながる可能性がある。 そこで本研究では,モダナル内類似性を考慮に入れた新たな損失関数SimConを提案する。
  論文  参考訳（メタデータ） (2023-02-07T12:36:35Z)
• Permuted AdaIN: Reducing the Bias Towards Global Statistics in Image Classification [97.81205777897043]
  近年の研究では、畳み込みニューラルネットワーク分類器は形状を犠牲にしてテクスチャを過度に依存していることが示されている。 一方、形状と局所像の区別は類似しているが異なるが、一方、グローバル画像統計は異なる。 提案手法は,pAdaIN (Permuted Adaptive Instance Normalization) と呼ばれ,画像分類器の隠蔽層におけるグローバル統計の表現を減少させる。
  論文  参考訳（メタデータ） (2020-10-09T16:38:38Z)
• A Random Matrix Analysis of Random Fourier Features: Beyond the Gaussian Kernel, a Precise Phase Transition, and the Corresponding Double Descent [85.77233010209368]
  本稿では、データサンプルの数が$n$である現実的な環境で、ランダムフーリエ(RFF)回帰の正確さを特徴付けます。 この分析はまた、大きな$n,p,N$のトレーニングとテスト回帰エラーの正確な推定も提供する。
  論文  参考訳（メタデータ） (2020-06-09T02:05:40Z)

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。