本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明物理AI向けCosmosによるインタラクティブ世界シミュレーションの枠組み
要約本論文は、Cosmos世界基盤モデルをリアルタイムで対話可能な世界シミュレーションに適合させる共通フレームワークを提案する。行動やシーン制御に応じて視覚観測を逐次出力し、ユーザーや身体性エージェントが変化する仮想環境と対話できるようにする。カメラナビゲーション、ロボット操作、制御可能な動画変換、マルチビュー自動運転シミュレーションでの適用例を示し、コードとモデルの重みを公開している。
説明疎な注釈から3次元タイムラプス顕微鏡で細胞を追跡する学習
要約本論文は、一部の細胞にしか注釈がない3次元タイムラプス顕微鏡映像から細胞系譜を再構築する追跡パイプラインを提案しています。疎な注釈からの検出、画像特徴を用いた候補接続の校正、系譜グラフのイベントの同時選択を組み合わせています。ゼブラフィッシュ胚2個の199本の動画に対する5分割交差検証で、総合スコアは0.9762でした。
説明共分散が不明なら差分プライバシーの次元非依存な平均推定は不可能
要約本論文は、共分散行列が未知の場合の差分プライバシー付きガウス平均推定の理論的限界を研究している。共分散が既知なら最適なサンプル複雑度はスペクトルのみに依存し環境次元には依存しないが、共分散が未知の場合にはプライベート推定量が同様の保証を達成できないことを示す。標本数が有効次元より小さいとき、最適誤差は既知の場合より √(d/n) 倍大きくなりうる。標本数が有効次元より大きい場合でも、有効次元が log d で抑えられる対角共分散に対して、誤差は √d/n^{3/2} 倍大きくなりうる。
注目点共分散が未知の場合の差分プライバシー下ガウス平均推定に次元依存の下界を与え、既知共分散の場合との差を示す。