ఈ సైట్‌లోని విషయాలు కృత్రిమ మేధస్సు (AI) లేదా యంత్ర అనువాద సాంకేతికత ఉపయోగించి అనువదించబడ్డాయి మరియు లోపాలు ఉండవచ్చు.

Skip to content
3D
Artificial Intelligence

ఒక అంతర్గత వెక్టర్ హీట్ నెట్‌వర్క్

View Publication

Author

అలెగ్జాండర్ గావో (రాబ్లాక్స్ + యూనివర్సిటీ ఆఫ్ మేరీల్యాండ్), మారిస్ చు (రాబ్లాక్స్), ముబ్బాసిర్ కపాడియా (రాబ్లాక్స్), మింగ్ సి. లిన్ (యూనివర్సిటీ ఆఫ్ మేరీల్యాండ్), హ్సూ-టి డెరెక్ లియు (రాబ్లాక్స్)

Venue

అంతర్జాతీయ మెషిన్ లెర్నింగ్ సమావేశం 2024

Abstract

అనేక శాస్త్ర మరియు ఇంజనీరింగ్ అనువర్తనాల కోసం ప్రవాహాలను సూచించడానికి మరియు మోడల్ చేయడానికి వెక్టర్ ఫీల్డ్‌లు విస్తృతంగా ఉపయోగించబడతాయి. ఈ పత్రం 3Dలో పొందుపరిచిన మ్యానిఫోల్డ్ ఉపరితలాలపై అంతర్లీనంగా నిర్వచించబడిన టాంజెంట్ వెక్టర్ ఫీల్డ్‌లను నేర్చుకోవడానికి ఒక నూతన న్యూరల్ నెట్‌వర్క్ నిర్మాణాన్ని పరిచయం చేస్తుంది. ఉపరితలాలపై వెక్టర్ ఫీల్డ్‌లను నేర్చుకోవడానికి గత విధానాలు, వెక్టర్‌లను బహుళ-పరిమాణ స్కేలర్ ఫీల్డ్‌లుగా పరిగణిస్తాయి, సాంప్రదాయ స్కేలర్-విలువ నిర్మాణాలను ఉపయోగించి ఛానెల్‌లను విడివిడిగా ప్రాసెస్ చేస్తాయి, తద్వారా వెక్టర్ ఫీల్డ్ యొక్క ప్రాథమిక అంతర్గత లక్షణాలను కాపాడటంలో విఫలమవుతాయి. ఈ పని యొక్క ప్రధాన ఆలోచన ఏమిటంటే, ఉపరితలం అంతటా వెక్టర్-విలువ ఫీచర్ డేటాను స్థానికంగా ప్రసారం చేయడానికి శిక్షణ ఇవ్వగల వెక్టర్ హీట్ డిఫ్యూజన్ మాడ్యూల్‌ను పరిచయం చేయడం, దీనిని మేము వెక్టర్-విలువ న్యూరాన్‌లతో కూడిన మా ప్రతిపాదిత నిర్మాణంలో పొందుపరుస్తాము. మా నిర్మాణం ఇన్‌పుట్ యొక్క రిజిడ్ మోషన్, ఐసోమెట్రిక్ డీఫార్మేషన్, మరియు స్థానిక ట్యాంజెంట్ బేస్‌ల ఎంపికకు అచలంగా ఉంటుంది, మరియు ఉపరితలం యొక్క డిస్క్రిటైజేషన్‌లకు కూడా ఇది దృఢంగా ఉంటుంది. మేము మా వెక్టర్ హీట్ నెట్‌వర్క్‌ను త్రిభుజాకార మెష్‌లపై మూల్యాంకనం చేసాము మరియు దాని స్థిరమైన లక్షణాలను అనుభవపూర్వకంగా ధృవీకరించాము. మేము చతురస్రాకార మెష్ జనరేషన్ అనే ఉపయోగకరమైన పారిశ్రామిక అనువర్తనంలో కూడా మా పద్ధతి యొక్క ప్రభావశీలతను ప్రదర్శించాము.