論文の概要: ROSETTA: Rotation Subspace Estimation for Training-free Transmodal Alignment

• arxiv url: http://arxiv.org/abs/2610.12871v1
• Date: Fri, 09 Oct 2026 01:57:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.345812
• Title: ROSETTA: Rotation Subspace Estimation for Training-free Transmodal Alignment
• Title（参考訳）: ROSETTA: トレーニング不要なトランスモーダルアライメントのための回転部分空間推定
• Abstract要約: クエリが別のセンサーで構築されたデータベースと一致しなければならない場合、独立に訓練されたエンコーダは特徴空間上の異なる座標系を規定する。 すべてのエンコーダをアライメントできる標準参照フレームは存在しておらず、単一のトレーニング手順が完全にこのギャップを閉じていない。 これら2つの系間の相対変換は、白色特徴空間における空間保存回転であることを示す。 ROSETTAはトレーニング不要なキャリブレーション層であり、予測最大化手順を通じて局所的なローテーションを推定し、クエリ時にコオブザーブレーションを必要としない。
• 参考スコア（独自算出の注目度）: 1.462008690460147
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When a query must be matched against a database built with a different sensor or processed by a different encoder, the independently trained encoders impose distinct coordinate systems on the feature space. No canonical reference frame exists to which all encoders can be aligned, and no single training procedure has fully closed this gap. We show that the relative transformation between any two such systems is a spatially preserving rotation in whitened feature space, whose angular velocity exhibits white-noise characteristics: large in norm, temporally uncorrelated, and unpredictable from the features themselves. However, the cross-covariance between encoder outputs has low effective rank, constraining only a small fraction of the rotation parameters, therefore local alignment is tractable. ROSETTA is a training-free calibration layer that estimates the local rotation via an expectation-maximization procedure, requiring no coobservation at query time. We validate ROSETTA on three public driving datasets spanning LiDAR, camera, thermal, and event modalities in cross-modal, cross-device, cross-representation, and cross-backbone settings, with milliseconds overhead per query.
• Abstract（参考訳）: クエリが別のセンサーで構築されたデータベースと一致したり、別のエンコーダで処理されたりしなければならない場合、独立に訓練されたエンコーダは特徴空間上の異なる座標系を規定する。 すべてのエンコーダをアライメントできる標準参照フレームは存在しておらず、単一のトレーニング手順が完全にこのギャップを閉じていない。 このような2つの系間の相対的な変換は、空間的に保たれる特徴空間の回転であり、角速度は、標準において大きく、時間的に無関係であり、特徴自体から予測できない、ホワイトノイズ特性を示す。 しかし、エンコーダ出力間の相互共分散は有効ランクが低く、回転パラメータのごく一部しか制約しないため、局所的なアライメントは抽出可能である。 ROSETTAはトレーニング不要なキャリブレーション層であり、予測最大化手順を通じて局所的なローテーションを推定し、クエリ時にコオブザーブレーションを必要としない。 我々は、LiDAR、カメラ、サーマル、イベントモダリティにまたがる3つの公共運転データセットに対して、クロスモーダル、クロスデバイス、クロス表現、クロスバックボーン設定において、クエリ毎にミリ秒のオーバーヘッドでROSETTAを検証する。

関連論文リスト

• RoLA: Rotary-Positioned Low-Rank Linear Attention for Efficient Diffusion Transformers [22.383650673776415]
  緩やかな低ランクハイブリッドは、局所スパースブランチとグローバル圧縮ブランチを組み合わせることで、このコストを軽減する。 再利用可能なリニアサマリーと互換性を維持しつつ,真のクロストークンアグリゲーションを維持するロータリポジションの低ランクリニアアテンションブランチを提案する。 実験の結果、Wan2.B上で2.63$times$ end-to-endの推論速度(NVIDIA H100 GPUで計測された720p,81フレーム)を達成しながら、生成品質の90%で競合する結果が得られた。
  論文  参考訳（メタデータ） (2026-09-06T16:34:46Z)
• Embedding Rotation Invariance for Provable Multi-Oriented Scene Text Recognition [49.665177053925184]
  多目的テキストはシーンテキスト認識において大きな課題である。 既存の回転認識手法はテキストの向きを明示的に推定する。 これらの制限に対処するために、回転不変性をSTRフレームワークに組み込む。
  論文  参考訳（メタデータ） (2026-08-11T09:06:46Z)
• Weaving Light and Time: Unified Harmonic-Geometric Representation Learning for Dense RGB-Event Parsing [55.13802890769086]
  我々は、専用のRGB-Event解析用に特別に設計された最初の統一バックボーンであるEvitaを紹介する。 深いモーダルなシナジーを達成するため、Evitaはすべてのエンコーダ層に直接固有のコラーニングモジュール群を組み込む。 Evitaは、リアルタイムマルチモーダル認識において、より優れた精度とレイテンシのトレードオフを提供しながら、新しい最先端メトリクスを確立する。
  論文  参考訳（メタデータ） (2026-07-10T06:52:09Z)
• C-ARC: Continuous-Adaptive Range Clustering for Non-Repetitive LiDAR Sensors [1.8352113484137627]
  リアルタイムLiDARクラスタリングは、ポイントクラウド内の構造を特定する。 非繰り返しLiDARセンサの使用は、低コストとフォームファクターのため、大幅に増加している。 C-ARCは、Livox Mid-360のコモディティハードウェア上で20Hzでリアルタイムクラスタ出力を生成する。
  論文  参考訳（メタデータ） (2026-06-17T11:30:40Z)
• U-HNO: A U-shaped Hybrid Neural Operator with Sparse-Point Adaptive Routing for Non-stationary PDE Dynamics [7.23685260715089]
  中心設計はスパースポイント適応ルーティング(SPAR)であるU字型ハイブリッドニューラル演算子U-HNOを提案する。 SPARは階層的なエンコーダ・ブートネック・デコーダのバックボーンに埋め込まれており、スキップ接続により両分岐とゲートが全ての解像度で動作する。 U-HNOは、相対的なL2とH1メトリクスの両方のタスクの大多数において、最先端のロールアウト精度を達成する。
  論文  参考訳（メタデータ） (2026-05-13T04:00:43Z)
• SwiTrack: Tri-State Switch for Cross-Modal Object Tracking [74.15663758681849]
  クロスモーダルオブジェクトトラッキング(CMOT)は、ビデオストリームが異なるモード間で切り替える間、ターゲットの一貫性を維持する新しいタスクである。 SwiTrackは3つの特別なストリームを配置することでCMOTを再定義する新しいステートスイッチングフレームワークである。
  論文  参考訳（メタデータ） (2025-11-20T10:52:54Z)
• Temporal and Rotational Calibration for Event-Centric Multi-Sensor Systems [24.110040599070796]
  イベントカメラは画素レベルの明るさ変化に応じて非同期信号を生成する。 イベント中心型マルチセンサシステムに適した動きに基づく時間・回転キャリブレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T01:53:27Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
  Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-13T02:44:05Z)
• Adaptive Machine Learning for Time-Varying Systems: Low Dimensional Latent Space Tuning [91.3755431537592]
  本稿では,時間変化システムを対象とした適応機械学習手法を提案する。 我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。 そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
  論文  参考訳（メタデータ） (2021-07-13T16:05:28Z)

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。