論文の概要: RIPPLE: Generating Multi-Channel Phase, Not Recovering It
- arxiv url: http://arxiv.org/abs/2607.27775v1
- Date: Thu, 30 Jul 2026 07:07:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.431622
- Title: RIPPLE: Generating Multi-Channel Phase, Not Recovering It
- Title（参考訳）: RIPPLE: 回復しないマルチチャネルフェーズの生成
- Abstract要約: 生成モデルは高忠実度で等級スペクトルを合成し、位相は回収モジュールに委譲する。
我々は、位相が生成され、回復されず、現在RIPPLE (Rectified Inter-channel Phase with Prior-based LEarning) であると主張している。
- 参考スコア（独自算出の注目度）: 6.733624379034146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative models synthesize magnitude spectra with high fidelity, while phase is delegated to a recovery module---Griffin--Lim, a vocoder, or a latent decoder---applied independently to each channel. For multi-channel waveforms this delegation is costly: the physical content of spatial audio and three-component seismograms lives in the phase relationships between channels, precisely what channel-independent recovery cannot produce. The cost is also invisible, since the magnitude-based metrics common to both fields barely move when inter-channel phase coherence collapses---so a pipeline can discard the physical information in its output while still scoring well. We argue that phase should be generated, not recovered, and present RIPPLE (Rectified Inter-channel Phase with Prior-based LEarning), which reinterprets Griffin--Lim as a phase **prior** rather than a final estimator: initialized from the source phase, this prior carries the inter-channel structure to be preserved, and a rectified flow refines it toward the target under an explicit inter-channel phase loss. Tested on first-order ambisonics environment transfer and seismic cross-station translation---two physically unrelated domains---RIPPLE outperforms recovery-based pipelines on the coherence metrics that downstream analyses consume. The seismic case is decisive: across architecturally distinct generators, per-channel recovery leaves S-wave polarization error near the $57.3^\circ$ random expectation, whereas learned phase reduces it to $33.8^\circ$.
- Abstract（参考訳）: 生成モデルは精度の高いスペクトルを合成し、位相は回復モジュール(-Griffin--Lim)、ボコーダ(vocoder)、潜伏デコーダ(latnt decoder)に委譲され、各チャネルに独立して適用される。
空間オーディオと3成分地震計の物理的内容は、チャネル間の位相関係にあり、正確にチャネル非依存の回復が生み出すことができない。
両方のフィールドに共通する等級ベースのメトリクスは、チャネル間の位相コヒーレンスが崩壊するとほとんど動かなくなるため、パイプラインは出力の物理情報を捨てることができ、スコアは良好である。
我々は、位相は生成されるべきであり、回復しない、そして現在のRIPPLE(Rectified Inter-channel Phase with Prior-based LEarning)は、Griffin--Limを最終推定子ではなく位相 **prior** と解釈する。
2つの物理的に無関係なドメイン--RIPPLEは、下流分析が消費するコヒーレンスメトリクスでリカバリベースのパイプラインより優れている。
地震のケースは決定的であり、建築的に異なるジェネレータを通して、チャネルごとのリカバリはS波偏波誤差を57.3^\circ$のランダムな予測付近に残し、一方学習フェーズでは33.8^\circ$に還元する。
関連論文リスト
- ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction [81.07048249760953]
縦方向の変化は、しばしば微妙で、特定の解剖学的領域に限られる。
ほとんどの被験者固有の脳構造は、時間とともに安定している。
ProgFormerは、縦型脳MRI予測のための階層型ボクセル空間拡散変換器である。
論文 参考訳（メタデータ） (2026-07-30T00:13:42Z) - McMg: A Learned Phase-Space Multi-channel Multigrid Preconditioner for Helmholtz Equation [7.198826777148334]
マルチチャネルマルチグリッドはヘテロジニアスヘルムホルツ方程式の位相空間マルチグリッドプレコンディショナーである。
残基を反復的枠組み内の補正にマッピングする。
強い古典のベースラインよりも、イテレーションが大幅に少なく、ウォールタイムも少なくなります。
論文 参考訳（メタデータ） (2026-06-29T16:01:44Z) - Spectrally Regularized Latent Flow Matching for Turbulence Generation [0.0]
本稿では,スペクトル正規化圧縮ステージを備えた潜在フローマッチングフレームワークを提案する。
Re_f Approx 2250の2562 DNSデータセットでは、MSEで訓練されたVAEをゾーン重み付き対数スペクトルの目的に置き換えることで、スペクトルパワーが深い。
改良された潜在表現はまた、コスト-忠実性のトレードオフを著しく改善する。
論文 参考訳（メタデータ） (2026-06-10T06:09:51Z) - When Do Autoregressive Sequence Models Forecast Physical Wavefields? A Controlled Study on Synthetic Seismograms [43.8784307709823]
物理信号の長距離自己回帰予測は誤差蓄積によって制限される。
物理的に構造化されたテストベッドとして,合成3成分地震計を用いて,このようなロールアウトが安定であるかどうかを問う。
論文 参考訳（メタデータ） (2026-06-09T13:46:14Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - Enhancing Phase Retrievability of Quantum Channels via Interferometric Coupling [3.6412123738979822]
まず、その相補チャネルが純粋状態の情報的完備である場合に限り、量子チャネルが位相検索可能であることを示す。
古典的な混合とは異なり、この構成は補作用素系を拡大できる干渉クロス項を生成する。
フレーム理論の観点から、干渉計は演算子値フレームのコヒーレント結合を実現する。
論文 参考訳（メタデータ） (2026-04-27T11:58:04Z) - Entanglement and information scrambling in long-range measurement-only circuits [0.0]
測定専用回路は、多重局所射影が多体絡みを発生または抑制できる最小限の設定を提供する。
長距離2ビットパリティチェックを用いた1次元計測専用クリフォード回路の絡み合いと情報遷移について検討する。
体積法と長い範囲の絡み合わさり合わさった相は, アンシラキュービットの迅速で大きさに依存しない精製と一致している。
論文 参考訳（メタデータ） (2026-04-23T19:29:27Z) - Physics-Informed Transformer for Multi-Band Channel Frequency Response Reconstruction [12.10905157982893]
完全広帯域周波数応答を再構成する物理インフォームド複素変換器を提案する。
各サブバンドの干渉パターンは独立した2状態離散時間マルコフ連鎖としてモデル化される。
モデルは全速度範囲にわたって滑らかに低下し、他の全てのベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-04-02T12:06:27Z) - CP Loss: Channel-wise Perceptual Loss for Time Series Forecasting [67.3477355449697]
時系列データに対するチャネルワイド知覚損失(CP損失)を提案する。
我々は,その特性に適応した各チャネルに対して,独自の知覚空間を学習する。
これらの知覚空間内で損失を計算し、モデルを最適化する。
論文 参考訳（メタデータ） (2026-01-25T15:31:37Z) - Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments [93.30657979626858]
本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
論文 参考訳（メタデータ） (2022-11-02T22:07:36Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z) - Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint
modeling [69.35569554213679]
解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。
この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。
本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
論文 参考訳（メタデータ） (2020-05-16T21:17:26Z)
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。