論文の概要: On the Geometry of Learned Representations in Event-Based Multi-Modal Egomotion Estimation
- arxiv url: http://arxiv.org/abs/2607.15794v1
- Date: Fri, 17 Jul 2026 09:58:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.815441
- Title: On the Geometry of Learned Representations in Event-Based Multi-Modal Egomotion Estimation
- Title（参考訳）: イベントベースマルチモーダルエゴモーション推定における学習表現の幾何学について
- Abstract要約: 本研究では,移動推定のためのマルチモーダルネットワークの内部に現れる幾何学的構造について検討する。
イベントテンソル、慣性測定、レンジ信号は、クロスモーダルアテンションアーキテクチャを通じて融合され、バッチ環境で訓練される。
結果:解析的推定理論と現代核融合
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classical approaches to event-based egomotion estimation, including those adopted by the top-performing teams of the ELOPE challenge, rely on geometric optimization frameworks such as contrast maximization, homography estimation, or dense optical flow combined with analytic motion inversion. This work investigates the geometric structure that emerges inside a multi-modal network for egomotion estimation. Event tensors, inertial measurements, and range signals are fused through a cross-modal attention architecture and trained in a batch setting. We analyze the latent space geometry and attention dynamics, showing that (i) embeddings lie on low-dimensional manifolds aligned with motion variables, (ii) attention weights adapt with angular excitation and visual reliability, and (iii) the fused representation recovers classical observability cues. These results bridge analytical estimation theory and modern data-driven fusion.
- Abstract（参考訳）: イベントベースのエゴモーション推定への古典的なアプローチは、ELOPEチャレンジのトップパフォーマンスチームによって採用されているもので、コントラストの最大化、ホモグラフィー推定、高密度光流と解析運動の逆転といった幾何最適化のフレームワークに依存している。
本研究では,エゴモーション推定のためのマルチモーダルネットワークの内部に現れる幾何学的構造について検討する。
イベントテンソル、慣性測定、レンジ信号は、クロスモーダルアテンションアーキテクチャを通じて融合され、バッチ環境で訓練される。
我々は、潜在空間幾何学と注意力学を解析し、それを示している。
(i)埋め込みは、運動変数に整列した低次元多様体上に置かれる。
(二)注意重みは角励起及び視覚的信頼性に適応し、
三 融合表現は、古典的観測可能性の手がかりを回復させる。
これらの結果は解析的推定理論と現代のデータ駆動核融合を橋渡しする。
関連論文リスト
- Geometric Distillation from Rectified Stereo: Leveraging Epipolar Cues for Monocular Depth [11.871264497562008]
本稿では,マルチビューモデルのスケール・アウェアな幾何学的先行をモノクロ深度基礎モデルに変換する新しいフレームワークを提案する。
具体的には,マルチビュー入力を必要とすることなく,単一ビュー予測モデルでエピポーラの注意パターンを維持し,幾何整合性を維持するためのエピポーラ蒸留(EpiDistillation, EpiDistill)を提案する。
論文 参考訳（メタデータ） (2026-07-17T03:49:14Z) - Extracting Governing Equations from Latent Dynamics via Multi-View Contrastive Learning [1.9754011041953696]
本稿では,複数視点の時間的コントラスト学習アルゴリズムであるDYSCOについて述べる。
我々は,アフィン不確定性への強い識別を理論的に保証し,事前識別可能性の結果をノイズ非線形観測の現実的な設定にまで拡張する。
論文 参考訳（メタデータ） (2026-06-11T12:16:35Z) - K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。
提案手法はシミュレーションと実世界の応用を通して評価する。
論文 参考訳（メタデータ） (2026-05-14T13:35:44Z) - 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) - FoundationSLAM: Unleashing the Power of Depth Foundation Models for End-to-End Dense Visual SLAM [50.9765003472032]
FoundationSLAMは、正確でロバストな追跡とマッピングのための学習ベースの単分子高密度SLAMシステムである。
我々の中核となる考え方は、基礎深度モデルからのガイダンスを活用することによって、推論によるフロー推定をブリッジすることである。
論文 参考訳（メタデータ） (2025-12-31T17:57:45Z) - On Linear Mode Connectivity of Mixture-of-Experts Architectures [1.6747713135100666]
ニューラルネットワークにおける線形モード接続(LMC)現象について検討する。
LMCは、ニューラルネットワークのロスランドスケープにおいて顕著な現象であり、独立に訓練されたモデルが、アルゴリズムの様々な対称性まで接続されることになっている。
論文 参考訳（メタデータ） (2025-09-14T16:51:41Z) - Follow My Hold: Hand-Object Interaction Reconstruction through Geometric Guidance [61.41904916189093]
単眼RGB画像から手持ち物体の3次元形状を再構成する拡散法に基づく新しいフレームワークを提案する。
我々は手オブジェクト間相互作用を幾何学的ガイダンスとして使用し、手オブジェクト間相互作用を確実にする。
論文 参考訳（メタデータ） (2025-08-25T17:11:53Z) - Motion Segmentation and Egomotion Estimation from Event-Based Normal Flow [8.869407907066005]
本稿では,イベントベース正規流を用いた動きのセグメンテーションとエゴモーション推定のための頑健なフレームワークを提案する。
提案手法は, 希薄かつ高時間分解能なイベントデータを利用して, 通常の流れ, シーン構造, 慣性測定の幾何学的制約を取り入れたものである。
論文 参考訳（メタデータ） (2025-07-19T06:11:09Z) - Geometry-aware Active Learning of Spatiotemporal Dynamic Systems [4.251030047034566]
本稿では,動的システムのモデリングのための幾何対応能動学習フレームワークを提案する。
データ収集のための空間的位置を戦略的に識別し、予測精度をさらに最大化する適応型能動学習戦略を開発した。
論文 参考訳（メタデータ） (2025-04-26T19:56:38Z) - Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。
キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-04-23T06:29:10Z) - Approaching Deep Learning through the Spectral Dynamics of Weights [41.948042468042374]
重みのスペクトル力学 -- 最適化中の特異値とベクトルの振る舞い -- は、ディープラーニングにおけるいくつかの現象を明確にし、統一する。
ConvNetによる画像分類,UNetsによる画像生成,LSTMによる音声認識,Transformersによる言語モデリングなど,さまざまな実験における最適化における一貫したバイアスを同定する。
論文 参考訳（メタデータ） (2024-08-21T17:48:01Z) - Learning Monocular Depth in Dynamic Scenes via Instance-Aware Projection
Consistency [114.02182755620784]
本稿では,複数の動的物体の6-DoF動作,エゴモーション,深度を,監督なしで一眼レフカメラで明示的にモデル化する,エンドツーエンドのジョイントトレーニングフレームワークを提案する。
筆者らのフレームワークは,最先端の深度・動き推定法より優れていた。
論文 参考訳（メタデータ） (2021-02-04T14:26:42Z)
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。