2024-12-31 に確認した最新投稿の一部です。
Article: 1
Title:
DIPS: Optimal Dynamic Index for Poisson $\boldsymbolπ$ps Sampling
Published:
2024-12-27
Authors:
Jinchao Huang, Sibo Wang
Abstract:
この論文では、さまざまなドメインで学術的に大きな関心を集めているトピックであるポアソン$\pi$psサンプリング問題や、影響最大化などの実用的なデータマイニングアプリケーションについて説明します。この問題には、$n$要素のセット$\mathcal{S}$が含まれており、各要素$v$にはその重要性を反映した重み$w(v)$が割り当てられます。目標は、$\mathcal{S}$ のランダムな部分集合 $X$ を生成することであり、各要素 $v \in \mathcal{S}$ は $\frac{c\cdot w(v)}{\sum_{v \in \mathcal{S}} w(v)}$ ($0<c\leq 1$ は定数) で、それぞれ独立して $X$ に含まれます。サブセットは、異なるクエリ間で独立している必要があります。ポアソン $\pi$ps サンプリング問題は、よく研究されたサブセット サンプリング問題に減らすことができますが、新しい要素の追加や要素の削除など、ポアソン $\pi$ps サンプリングの更新により、対応するサブセット サンプリング問題ですべての $n$ 要素の確率が変化するため、このアプローチは動的なシナリオでは実用的ではありません。これに対処するために、ポアソン $\pi$ps サンプリング問題用に特別に調整された動的インデックスを提案し、最適な期待 $\mathcal{O}(1)$ クエリ時間と $\mathcal{O}(1)$ インデックス更新時間をサポートし、最適な $\mathcal{O}(n)$ スペース コストを提供します。私たちの解決策には、重みによってセットを再帰的に分割し、最終的にテーブルルックアップを使用することが含まれます。私たちのソリューションの中核は、重量の爆発的な増加と要素間の相関によってもたらされる課題に対処することにあります。経験的評価により、私たちのアプローチは、サブセットサンプリングベースの方法と比較して、一貫して競争力のあるクエリ時間を維持しながら、更新時間を大幅に短縮することを示しています。
Article: 2
Title:
Identifying Split Vacancies with Foundation Models and Electrostatics
Published:
2024-12-26
Authors:
Seán R. Kavanagh
Abstract:
点欠陥は固体化合物に遍在し、導電性、触媒活性、キャリア再結合などの多くの機能特性を決定します。過去10年間で、準安定欠損形状の普及率と、関連する特性に対するその重要性がますます認識されるようになりました。この特に顕著な例は、孤立した原子空孔が2つの空孔と間質($V_X \rightarrow [V_X + X_i + V_X]$)からなる化学量論保存複合体に変化する分割空孔であり、欠陥エネルギーの劇的な低下と行動の変化を伴うことがあります。このような種は、この再構成の「非局所的」な性質のために、計算から同定するのが特に困難です。ここでは、幾何学的解析、静電エネルギー、および基礎機械学習(ML)モデルを組み合わせた段階的スクリーニングを通じて、固体化合物中のそのような種を効率的に同定するためのアプローチを紹介します。このアプローチにより、Materials Projectデータベース内のすべての化合物(ICSDのすべてのエントリと数千の予測された準安定材料を含む)をスクリーニングし、これまで知られていなかった数千の分割空孔構成を特定できます。この研究は、欠陥調査における機械学習の可能性の潜在的な有用性と、重要な注意点と、安定した欠陥形状を正しく特定するためのグローバル最適化アプローチの重要性の両方を強調しています。
Article: 3
Title:
FineVQ: Fine-Grained User Generated Content Video Quality Assessment
Published:
2024-12-26
Authors:
Huiyu Duan, Qiang Hu, Jiarui Wang, Liu Yang, Zitong Xu, Lu Liu, Xiongkuo Min, Chunlei Cai, Tianxiao Ye, Xiaoyun Zhang, Guangtao Zhai
Abstract:
ユーザー生成コンテンツ(UGC)動画の急速な成長により、動画の品質を監視し、最適化と推奨手順を導くための効果的な動画品質評価(VQA)アルゴリズムが緊急に必要とされています。ただし、現在の VQA モデルでは、通常、UGC ビデオの総合評価のみが提供されており、ビデオ処理およびレコメンデーション アプリケーションを提供するためのきめ細かなラベルがありません。この課題に対処し、UGCビデオの開発を促進するために、私たちは、6104本のUGCビデオで構成され、複数の次元にわたるきめ細かな品質スコアと説明を含む、FineVDと呼ばれる最初の大規模なきめ細かなビデオ品質評価データベースを確立しました。このデータベースに基づいて、品質評価、品質スコアリング、および品質属性の機能を備えた、UGCビデオのきめ細かな品質を学習するためのFine-grained Video Quality Assessment(FineVQ)モデルを提案します。広範な実験結果により、私たちが提案するFineVQは、FineVDやその他の一般的に使用されるUGC-VQAデータセットで、きめ細かなビデオ品質の結果を生成し、最先端のパフォーマンスを達成できることが示されています。「FineVD」と「FineVQ」は、どちらも一般公開されます。
Article: 4
Title:
Published:
2024-12-26
Authors:
Maxime Ryckewaert, Diego Marcos, Christophe Botella, Maximilien Servajean, Pierre Bonnet, Alexis Joly
Abstract:
市民科学イニシアチブの急速な拡大は、生物多様性データベース、特に存在のみ(PO)の観察の大幅な成長につながっています。POデータは、種の分布とその動態を理解するために非常に貴重ですが、サンプリングバイアスと不在に関する情報の欠如により、種分布モデル(SDM)での使用は抑制されています。ポアソン点プロセスはSDMに広く使用されており、Maxentは最も一般的な方法の1つです。Maxentは、サイト間の確率分布のエントロピーを、特徴と呼ばれる環境変数の事前定義された変換の関数として最大化します。対照的に、ニューラルネットワークとディープラーニングは、複雑な入力変数から自動的に特徴を抽出するための有望な手法として浮上しています。本論文では、ニューラルネットワークを活用し、最大エントロピー原理を用いて種間で共有される特徴を自動的に学習するDeepMaxentを提案します。そのために、正規化されたポアソン損失を採用し、各種について、サイト間の存在確率をニューラルネットワークによってモデル化します。DeepMaxentは、空間サンプリングバイアスで知られるベンチマークデータセットで評価し、キャリブレーションにはPOデータを使用し、生物学的グループと環境共変量が異なる6つの領域での検証にはPA(Presence-Absence )データを使用します。その結果、DeepMaxentは、地域や分類グループ全体で、Maxentやその他の最先端のSDMよりもモデルのパフォーマンスが向上することが示されています。この方法は、サンプリングが不均一な領域で特に良好に機能し、種分布モデリングを改善する大きな可能性を示しています。この方法は、メモリ需要を増やすことなく、多くの種と任意の多数のサイトにスケールを共同で予測する、より堅牢な環境特性を学習する可能性を開きます。
Article: 5
Title:
Published:
2024-12-26
Authors:
Arun K. Sharma, Shubhobrata Bhattacharya, Motahar Reza
Abstract:
顔認識や指紋認識などの従来の生体認証システムは、フェイスマスクの着用や衛生上の懸念により、大きな障害に直面しています。フェイスマスクによる顔の部分的な覆いや指紋認識の衛生上の懸念に対処するために、この論文では、額の皮下静脈パターンと眼周囲パターンを使用した生体認証のための新しいデュアルチャネルマルチアテンションビジョントランスフォーマー(ViT)フレームワークを提案し、従来の方法に代わる有望な方法を提供します。提案されたフレームワークは、2つの異なる生体認証特性を処理するように設計されたデュアルチャネルViTアーキテクチャを活用しています。静脈および眼周囲パターンから独立した特徴の長期的な依存関係をキャプチャできます。その後、カスタム分類子は、独立して抽出された特徴を統合し、最終的なクラス予測を生成するように設計されています。提案されたアルゴリズムの性能は、額皮下静脈パターンおよび眼周囲生体測定パターン (FSVP-PBP) データベースを使用して厳密に評価されました。その結果、アルゴリズムが最先端の方法よりも優れていることが実証され、静脈パターンと眼周囲パターンの組み合わせで $99.3 \pm 0.02%$ という驚くべき分類精度が達成されました。