論文の概要: A Unified Interpretable Semantic Framework for Multi-Modal Fiber Sensing Under Data Scarcity
- arxiv url: http://arxiv.org/abs/2611.16027v1
- Date: Wed, 11 Nov 2026 21:33:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.276232
- Title: A Unified Interpretable Semantic Framework for Multi-Modal Fiber Sensing Under Data Scarcity
- Title(参考訳): データスカシティ下でのマルチモーダルファイバセンシングのための統一的解釈可能なセマンティックフレームワーク
- Abstract要約: データ不足下でのマルチモーダルファイバセンシングのための統合的解釈可能なセマンティックフレームワークを提案する。
提案するフレームワークは,展開環境の進化とデータ不足において,光ファイバーセンシングのための統一的で効率的なアプローチを確立する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a unified interpretable semantic framework for multi-modal fiber sensing under data scarcity. The framework maps heterogeneous measurements from state of-polarization (SOP) monitoring, distributed acoustic sensing (DAS), and optical time-domain reflectometry (OTDR) into a shared set of physics-grounded semantic descriptors capturing impulsiveness, persistence, structural characteristics, and energy concentration. Inference is performed through reasoning over semantic class profiles, optionally assisted by retrieval of semantically similar examples to resolve ambiguity and support adaptation without model retraining. Experimental validation on real SOP, DAS, and OTDR datasets demonstrates robust performance across sensing modalities, achieving accuracies of 95.0%, 91.1%, and 94.6%, respectively, while providing transparent and physically interpretable decisions. The proposed framework establishes a unified and data efficient approach for optical fiber sensing in evolving and data scarce deployment environments.
- Abstract(参考訳): データ不足下でのマルチモーダルファイバセンシングのための統合的解釈可能なセマンティックフレームワークを提案する。
このフレームワークは、状態偏極(SOP)モニタリング、分散音響センシング(DAS)、光時間領域反射法(OTDR)から、インパルス性、持続性、構造特性、エネルギー濃度を計測する物理接地セマンティックディスクリプタの共有セットにヘテロジニアスな測定をマッピングする。
推論は意味クラスプロファイルの推論を通じて行われ、モデルの再訓練なしに曖昧さを解消し適応をサポートするために、意味的に類似した例の検索によって任意に補助される。
実際のSOP、DAS、OTDRデータセットに対する実験的な検証は、それぞれ95.0%、91.1%、94.6%の精度を達成し、透過的および物理的に解釈可能な決定を提供する。
提案するフレームワークは,展開環境の進化とデータ不足において,光ファイバーセンシングのための統一的で効率的なアプローチを確立する。
関連論文リスト
- Structured Nonparametric Variational Inference for Dependent Latent Modeling [11.146941243243248]
変分推論(VI)は現代のAIの中核エンジンであり、大規模確率モデルと生成モデルのスケーラブルな学習と不確実性を考慮したトレーニングを可能にする。
後続近似における潜在変数間の複雑な依存関係をモデル化する新しいフレームワークであるStructured Non Variational Inference (SN-VI)を提案する。
SN-VIは複雑な潜伏変数の依存関係を保持し、任意の形状の後方有界線の柔軟かつ正確な近似を提供する。
論文 参考訳(メタデータ) (2026-06-13T20:29:04Z) - From Noise to Control: Parameterized Diffusion Policies [54.941343992110426]
本研究では,学習行動多様体に埋め込まれた連続パラメータに条件付き拡散ポリシーを学習するためのフレームワークを提案する。
政策重みを更新することなく、既知の戦略間の円滑な距離と、新しい制約への効率的な適応を可能にする。
論文 参考訳(メタデータ) (2026-05-29T20:21:50Z) - SDF-Net: Structure-Aware Disentangled Feature Learning for Opticall-SAR Ship Re-identification [10.512241383910721]
光学および合成開口レーダ(SAR)画像間のクロスモーダル船再識別(ReID)は基本的に課題である。
本稿では,光学式SAR船ReIDに幾何整合性を体系的に組み込んだ構造対応不整合特徴学習ネットワークであるSDF-Netを提案する。
HOSS-ReIDデータセットの実験は、SDF-Netが既存の最先端メソッドを一貫して上回っていることを示している。
論文 参考訳(メタデータ) (2026-03-13T02:41:43Z) - Unified modality separation: A vision-language framework for unsupervised domain adaptation [60.8391821117794]
教師なしドメイン適応(Unsupervised domain adapt, UDA)は、ラベル付きソースドメインでトレーニングされたモデルが新しいラベル付きドメインを扱うことを可能にする。
本稿では,モダリティ固有成分とモダリティ不変成分の両方に対応可能な統一モダリティ分離フレームワークを提案する。
提案手法は,9倍の計算効率で最大9%の性能向上を実現している。
論文 参考訳(メタデータ) (2025-08-07T02:51:10Z) - Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。
意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づくセマンティックコミュニケーションフレームワークを提案する。
提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
論文 参考訳(メタデータ) (2025-06-06T03:20:32Z) - Spatial-Temporal-Spectral Unified Modeling for Remote Sensing Dense Prediction [20.1863553357121]
リモートセンシングのための現在のディープラーニングアーキテクチャは、基本的に堅固である。
本稿では,統合モデリングのための空間時間スペクトル統一ネットワーク(STSUN)について紹介する。
STSUNは任意の空間サイズ、時間長、スペクトル帯域で入力および出力データに適応することができる。
様々な密集した予測タスクと多様な意味クラス予測を統一する。
論文 参考訳(メタデータ) (2025-05-18T07:39:17Z) - Multimodal generative semantic communication based on latent diffusion model [13.035207938169844]
本稿では,mm-GESCOというマルチモーダル・ジェネリック・セマンティック・コミュニケーション・フレームワークを提案する。
このフレームワークは、可視および赤外線モダル画像データのストリームを取り込み、融合したセマンティックセグメンテーションマップを生成して送信する。
受信終了時に、このフレームワークはセマンティックマップに基づいて、元のマルチモーダルイメージを再構築することができる。
論文 参考訳(メタデータ) (2024-08-10T06:23:41Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳(メタデータ) (2023-12-10T15:22:30Z)
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。