論文の概要: TRACE: Retrospective Streaming Generation of Physical Fields under Sparse Structured Sensing

• arxiv url: http://arxiv.org/abs/2608.26219v1
• Date: Wed, 26 Aug 2026 12:16:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.126189
• Title: TRACE: Retrospective Streaming Generation of Physical Fields under Sparse Structured Sensing
• Title（参考訳）: TRACE:スパースセンシングによる物理場の振り返りストリーム生成
• Abstract要約: 構造化されたセンシング下での物理分野のための再生再生フレームワークであるTRACEを提案する。 TRACEは学習された連続座標潜在空間において近似ベイズ推定を行い、スパースオフグリッドの測定を生成潜在証拠に変換する。 能動物質、海洋音速場、超新星シミュレーションの実験は、TRACEがフレームワイド生成法と一致するか、超越していることを示している。
• 参考スコア（独自算出の注目度）: 13.955473574617477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing continuous physical fields from sparse measurements is central to scientific monitoring, inverse modeling, and digital-twin construction. Generative reconstruction has recently emerged as a promising paradigm for this task by learning data-driven physical priors that complete plausible full fields from limited observations. However, existing methods largely assume fixed, batch conditioning, whereas real sensing systems often produce structured streams: probes scan local regions, instruments observe moving fields of view, and communication constraints may leave entire frames missing. We propose TRACE, a retrospective streaming generative reconstruction framework for physical fields under structured sensing. TRACE performs approximate Bayesian inference in a learned continuous-coordinate latent space, converting sparse off-grid measurements into generative latent evidence, fusing it with a state-space temporal prior through Kalman-style filtering, and refining under-observed past frames via retrospective smoothing. Experiments on active matter, ocean sound-speed fields, and supernova simulations show that TRACE matches or surpasses frame-wise generative reconstructors, offline spatiotemporal methods, and streaming data-assimilation baselines in reconstruction quality under temporally sparse and spatially localized sensing protocols.
• Abstract（参考訳）: スパース測定から連続体場を再構築することは、科学的モニタリング、逆モデリング、デジタル双対構築の中心である。 生成的復元は, 限られた観測結果から, 有望な全フィールドを完備するデータ駆動型物理先行学習により, この課題に有望なパラダイムとして最近出現した。 プローブは局所的な領域をスキャンし、機器は視野の移動を観察し、通信の制約はフレーム全体が失われる可能性がある。 本研究では,構造化センシング下での物理場に対するリフレクションストリーミング生成再構成フレームワークTRACEを提案する。 TRACEは、学習された連続座標の潜伏空間において近似ベイズ推定を行い、スパースオフグリッドの測定を生成潜在証拠に変換し、カルマンスタイルのフィルタリングを通して状態空間の時間的前兆と融合し、振り返りスムースティングによって観測されていない過去のフレームを精製する。 アクティブ物質, 海洋音速場, 超新星シミュレーション実験により, TRACE はフレームワイズ生成コンストラクタ, オフライン時空間法, ストリーミングデータ-同化ベースラインと時間的にスパースで空間的に局在した検出プロトコルで一致し, あるいは超えることを示した。

関連論文リスト

• Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
  スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。 SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。 MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
  論文  参考訳（メタデータ） (2026-08-12T07:39:22Z)
• Learning Spatio-Temporal Foundation Models from Pure Synthetic Data [85.23980441738811]
  NeoSTは、現実バイアスに対するスケーラブルな合成学習コーパスであり、複数の将来の軌跡を反復的に生成・洗練する潜在空間推論アーキテクチャであり、構造的ダイナミクスを強調し、分散シフトの下で推論時間補正を可能にする潜在空間目的である。 様々な実世界のベンチマークによる大規模な実験は、NeoSTが様々な実世界の時間系において既存のSTFMより一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2026-06-27T02:56:46Z)
• Towards Physically Consistent 4D Scene Reconstruction for Closed-loop Autonomous Driving Simulation [19.055975606481635]
  高忠実なストリートシーンの再構築は、エンドツーエンドの自動運転シミュレーションにおいて重要である。 既存の3DGSメソッドとその4D拡張は、両方を同時に達成できない。 空間的識別性を回復するための直交射影勾配(OPG)を提案する。
  論文  参考訳（メタデータ） (2026-05-20T11:09:53Z)
• LAtent Phase Inference from Short time sequences using SHallow REcurrent Decoders (LAPIS-SHRED) [2.2618027531198313]
  空間と時間の両方における軌道からのフル時間ダイナミクスは、複雑なシステムにおいて中心的な課題である。 LAPIS-SH(LAPIS-SH)は,スパースセンサ観測から完全なモジュラーダイナミクスを再構築し,/または予測するモジュラーアーキテクチャである。 複雑な物理を対象とする6つの実験(フロー,マルチスケール物理,燃焼,衛星ベース推進)についてLAPIS-SHを評価した。
  論文  参考訳（メタデータ） (2026-04-01T17:55:10Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
  Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。 このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
  論文  参考訳（メタデータ） (2026-02-14T14:00:06Z)
• SENDAI: A Hierarchical Sparse-measurement, EfficieNt Data AssImilation Framework [2.070436148502153]
  SENDAIは階層的なスパース測定フレームワークであり、スパースセンサー観測から全空間状態を再構築する。 SENDAIは従来のベースラインよりも185%の最大SSIM改善を実現し、最近の高周波ベースの手法よりも36%改善した。
  論文  参考訳（メタデータ） (2026-01-29T12:58:54Z)
• Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
  既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。 拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
  論文  参考訳（メタデータ） (2025-11-11T08:40:28Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Physics-informed neural networks for hidden boundary detection and flow field reconstruction [0.0]
  本研究では,静的あるいは運動する固体境界の存在,形状,運動を推定する物理インフォームドニューラルネットワーク(PINN)フレームワークを提案する。 このフレームワークは、圧縮不能なNavier-Stokesや圧縮可能なEulerフローなど、さまざまなシナリオで検証されている。 提案手法はロバスト性および汎用性を示し,実験データや数値データしか利用できない場合の応用の可能性を強調した。
  論文  参考訳（メタデータ） (2025-03-31T13:30:46Z)
• Organization of a Latent Space structure in VAE/GAN trained by navigation data [0.0]
  生成深部ニューラルネットワーク(VAE/GAN)を用いた新しい人工知能マッピングシステムを提案する。 予測画像の距離はトレーニング後の対応する潜伏ベクトルの距離に反映されることを示す。 本研究は,海馬のリプレイ・プレプレイに類似した時間的シーケンスを内部的に生成することを可能にする。
  論文  参考訳（メタデータ） (2021-02-03T03:13:26Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。