論文の概要: RangeRectQuant: Compressing Scientific Fields for Every Future Rectangular Sum

• arxiv url: http://arxiv.org/abs/2610.36873v1
• Date: Tue, 27 Oct 2026 09:12:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.251086
• Title: RangeRectQuant: Compressing Scientific Fields for Every Future Rectangular Sum
• Title（参考訳）: RangeRectQuant: あらゆる未来の矩形宇宙の科学分野を圧縮する
• Abstract要約: 独立画素エラーは、1つの絶対誤差予算が全ての将来の矩形をカバーするとき、正確な整数再構成を強制する。 コーディネートされた変化により、すべての画素が変化し、全ての矩形和が正確なままとなる。 RangeRectQuantは、プレフィックス和のエラーを制御しながら、ピクセル範囲と正確なサンプルを指定します。
• 参考スコア（独自算出の注目度）: 6.626682663066522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific rasters are often stored before the regions to be measured are known. Independent pixel-error bounds can force exact integer reconstruction when one absolute error budget covers every future rectangle. Coordinated changes allow every pixel to change while every rectangular sum remains accurate. A prefix sum accumulates values from the top-left corner. Four such sums determine any rectangular total. RangeRectQuant preserves the pixel range and designated exact samples while controlling errors in prefix sums. At each row position, we characterize exactly which errors let the remaining pixels meet these constraints. These errors form a single integer interval, even when many completions exist. A backward pass finds its endpoints; a forward pass uses them to choose quantized pixels. The resulting field meets the prescribed error budget for every axis-aligned rectangle, with linear work and workspace proportional to one row. Experiments on geographically held-out built-surface and water-occurrence maps show substantial storage savings over alternatives meeting the same requirements. Data producers encode once; later users measure arbitrary rectangles without the source, re-encoding, or query-specific correction.
• Abstract（参考訳）: 科学的ラスタはしばしば測定対象の地域が知られる前に保存される。 独立画素エラー境界は、1つの絶対誤差予算が全ての将来の矩形をカバーするとき、正確な整数再構成を強制することができる。 コーディネートされた変化により、すべての画素が変化し、全ての矩形和が正確なままとなる。 プレフィックス和は、左上隅から値を蓄積する。 この四つの和は任意の正方形の総和を決定する。 RangeRectQuantは、プレフィックス和のエラーを制御しながら、ピクセル範囲と正確なサンプルを指定します。 各行位置において、残りのピクセルがこれらの制約を満たすエラーを正確に特徴付ける。 これらの誤差は、多くの完了が存在する場合でも、単一の整数間隔を形成する。 後方パスはそのエンドポイントを見つけ、前方パスはそれらを量子化ピクセルの選択に使用する。 得られたフィールドは、各軸整列矩形に対して所定の誤差予算を満たし、線形作業とワークスペースは1行に比例する。 地理的に保持された地表面および水発生マップの実験は、同じ要件を満たす代替品よりも相当量の蓄えを実証している。 データプロデューサは一度エンコードし、後にユーザはソース、再エンコード、クエリ固有の修正なしで任意の矩形を測定する。

関連論文リスト

• Exact Calibration and Sharp Risk Geometry for Volume-Sampled Ridge Regression [0.0]
  固定設計の真に$s$の異なる行からのリッジ回帰について検討する。 決定的法則と選択された尾根は1つの正の確定的なペナルティを共有する。 バランスの取れた座標の複製の場合、厳密なセクターの不等式は鋭いリスクを与え、全ての応答を最大化する。
  論文  参考訳（メタデータ） (2026-10-06T04:16:38Z)
• Sharp Oracle-Regret Tradeoffs for Projection-Free Online Convex Optimization [55.29259818039367]
  我々は, オンライン凸最適化において, 実現可能な集合へのアクセスが正確な線形最適化オラクルに制限された場合に達成可能な後悔を特徴づける。 コンベックス$G$-Lipschitzの損失に対して、直径は最大$D$、合計$Q$オークルコールは$Q$、厳格な制限はラウンド当たり$B$である。
  論文  参考訳（メタデータ） (2026-09-23T22:25:52Z)
• The Cost of Adaptivity: Matching Lower Bounds Across Learning Problems [1.0742675209112622]
  我々はスライス正規化ミニマックス比を用いてニュアンス適応を定式化する。 また、事前発表された1つのガウスクエリから任意のポストホックインスペクションへ拡張するコストを定義する。
  論文  参考訳（メタデータ） (2026-08-09T17:19:11Z)
• Dimension Reduction for Curves: Simplified and Generalized [56.23281156053955]
  我々は高次元多角曲線の次元を減少させるためにランダムな射影を再考する。 我々は、既知の$O(varepsilon-2log(nm))$がランダム射影のターゲット次元に有界であることの簡単な証明を与える。 我々の証明はスパース・オブリビラスな部分空間埋め込みの概念に基づいている。
  論文  参考訳（メタデータ） (2026-07-03T08:48:35Z)
• Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
  Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。 独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。 Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
  論文  参考訳（メタデータ） (2026-06-11T17:48:38Z)
• An Adaptive Screen-Space Meshing Approach for Normal Integration [0.0]
  この研究は、画像領域に適応的な表面三角測量を導入し、その後、三角形メッシュ上で通常の積分を行う。 曲率に基づいて、平坦な領域を識別し、画素を三角形に集約する。 ピクセルグリッドと比較して、トライアングルメッシュは表面の詳細に局所的に適応し、スペーサー表現を可能にします。
  論文  参考訳（メタデータ） (2024-09-25T13:12:58Z)
• RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
  画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。 このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
  論文  参考訳（メタデータ） (2024-03-28T06:22:45Z)
• Coordinate descent heuristics for the irregular strip packing problem of rasterized shapes [0.0]
  計算形状の不規則なストリップパッキング問題を検討する。 一対の走査線を用いてオーバーラップをチェックする効率的なアルゴリズムを開発した。 その結果,提案アルゴリズムは適切な時間内に高分解能で十分に高密度なレイアウトが得られることがわかった。
  論文  参考訳（メタデータ） (2021-04-09T08:55:52Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• SegFix: Model-Agnostic Boundary Refinement for Segmentation [75.58050758615316]
  既存のセグメンテーションモデルによって生成されるセグメンテーション結果の境界品質を改善するためのモデルに依存しない後処理方式を提案する。 内部画素のラベル予測がより信頼性が高いという実証的な観察により、我々は、内部画素の予測によって、もともと信頼できない境界画素の予測を置き換えることを提案する。
  論文  参考訳（メタデータ） (2020-07-08T17:08:08Z)

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。