論文の概要: Structured Relevance Determination and Channel Additive Gaussian Processes for Image Data

• arxiv url: http://arxiv.org/abs/2610.25385v1
• Date: Sun, 18 Oct 2026 16:36:55 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:23:49.220354
• Title: Structured Relevance Determination and Channel Additive Gaussian Processes for Image Data
• Title（参考訳）: 画像データの構造化関連性決定とチャネル付加ガウス過程
• Abstract要約: 完全な異方性RBFカーネルは、各入力次元に別々の長さスケールを割り当てる。 隣接画素群と各カラーチャネル内における長さスケールの結合による構造的関連性判定を提案する。 これにより、パッチワイドおよびチャネルワイドで制約された異方性RBFパラメトリが得られ、独立に学習された長さスケールの数を減少させる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We introduce radial basis function (RBF) kernels for Gaussian processes that use structured hyperparameter sharing for image-valued inputs. For high-dimensional inputs such as images, a fully anisotropic RBF kernel assigns a separate lengthscale to each input dimension, which can introduce many hyperparameters and may lead to overfitting and poorly calibrated predictive uncertainty when data are limited. We propose structured relevance determination by tying lengthscales across groups of adjacent pixels and within each colour channel. This yields patch-wise and channel-wise constrained anisotropic RBF parametrisations that reduce the number of independently learned lengthscales. We further introduce channel-additive Gaussian processes for multi-channel images and combine them with structured relevance determination, resulting in a parameter-efficient decomposition of the latent function into components defined on channel subsets, enabling some non-local generalisation. The proposed kernels are evaluated on MNIST and a compact binary aircraft-detection dataset of low-resolution RGB satellite image chips. We also show how channel-wise structured relevance determination can be incorporated into convolutional Gaussian processes. We observe improved predictive performance compared to isotropic and fully anisotropic RBF baselines.
• Abstract（参考訳）: 画像値入力に構造化ハイパーパラメータ共有を用いるガウス過程のラジアル基底関数(RBF)カーネルを導入する。 画像などの高次元入力では、完全に異方性のあるRBFカーネルが各入力次元に別々の長さスケールを割り当て、多くのハイパーパラメータを導入し、データ制限時に過度に適合し、不確かさが悪くなる可能性がある。 隣接画素群と各カラーチャネル内における長さスケールの結合による構造的関連性判定を提案する。 これにより、パッチワイドおよびチャネルワイドで制約された異方性RBFパラメトリが得られ、独立に学習された長さスケールの数を減少させる。 さらに、多チャンネル画像に対するチャネル付加ガウス過程を導入し、それらと構造的関連性決定を組み合わせることにより、遅延関数をチャネルサブセット上で定義されたコンポーネントにパラメータ効率よく分解し、いくつかの非局所的な一般化を可能にする。 提案するカーネルは、MNISTと低解像度RGB衛星画像チップの小型2値航空機検出データセットを用いて評価する。 また、チャネルワイドな関連性決定を畳み込みガウス過程に組み込む方法を示す。 予測性能は,等方性および完全異方性RBFベースラインと比較して改善した。

関連論文リスト

• C$^{2}$-INR: Customized Convolutional Implicit Neural Representation [52.0139495321554]
  Implicit Neural Representation (INR)は、ニューラルネットワークを利用して画像などの離散的な信号を連続的に表現する。 既存のINRメソッドの多くは、バックボーンとしてMulti-Layer Perceptrons (MLP)を採用している。 対照的に、畳み込みINRは画素間の依存関係を本質的に考慮しながら、並列にピクセルを処理することができる。
  論文  参考訳（メタデータ） (2026-09-19T06:17:17Z)
• Weighted Spectral Filters for Kernel Interpolation on Spheres: Estimates of Prediction Accuracy for Noisy Data [21.67168506689593]
  我々は、カーネル行列の条件数を減らし、カーネルを安定化するための重み付きスペクトルフィルタ手法を提案する。 球面データ解析のために最近開発された積分作用素アプローチを用いて,提案した重み付きスペクトルフィルタアプローチがカーネルのボトルネックを突破することに成功したことを理論的に証明した。 提案手法は,予測精度を損なわないことを示すため,新しい手法の最適近似速度を提供する。
  論文  参考訳（メタデータ） (2024-01-16T13:46:10Z)
• Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
  本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。 提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
  論文  参考訳（メタデータ） (2023-11-30T13:50:21Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
  トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。 また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。 提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
  論文  参考訳（メタデータ） (2023-01-15T16:19:18Z)
• Discrete Cosine Transform Network for Guided Depth Map Super-Resolution [19.86463937632802]
  目標は、高解像度(HR)RGB画像を使用してエッジとオブジェクトの輪郭に関する余分な情報を提供し、低解像度の深度マップをHR画像にアップサンプリングできるようにすることです。 本稿では,4つのコンポーネントから構成されるDCTNet(Digital Discrete Cosine Transform Network)を提案する。 本手法は,最新手法を越しに,正確かつ人事深度マップを生成できることを示した。
  論文  参考訳（メタデータ） (2021-04-14T17:01:03Z)
• Random Features for the Neural Tangent Kernel [57.132634274795066]
  完全接続型ReLUネットワークのニューラルタンジェントカーネル(NTK)の効率的な特徴マップ構築を提案する。 得られた特徴の次元は、理論と実践の両方で比較誤差境界を達成するために、他のベースライン特徴マップ構造よりもはるかに小さいことを示しています。
  論文  参考訳（メタデータ） (2021-04-03T09:08:12Z)
• Flow-based Kernel Prior with Application to Blind Super-Resolution [143.21527713002354]
  カーネル推定は一般にブラインド画像超解像(SR)の鍵となる問題の一つである 本稿では,カーネルモデリングのための正規化フローベースカーネルプリレント(fkp)を提案する。 合成および実世界の画像の実験により、提案したFKPがカーネル推定精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2021-03-29T22:37:06Z)
• Bayesian multiscale deep generative model for the solution of high-dimensional inverse problems [0.0]
  深層確率的生成モデルに基づく新しいマルチスケールベイズ推論手法が導入された。 この方法は、安定性、効率、精度を示しながら、高次元パラメータ推定を可能にする。
  論文  参考訳（メタデータ） (2021-02-04T11:47:21Z)

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。