フランス国立科学研究センター(CNRS)におけるAI研究は、ノイズ適応型のインテリジェントプログラマブルメタイメージャーを提案しています:タスク固有のノイズ適応型センシングへの適切なアプローチです

The AI research at the French National Center for Scientific Research (CNRS) proposes a noise-adaptive intelligent programmable metaimager an appropriate approach to task-specific noise-adaptive sensing.

フランスのCNRSの研究者たちは、ノイズ適応型インテリジェントプログラマブルメタイメージャーを開発しました。センシングシステムは、タッチレスな人間コンピュータインターフェース、自動運転車両、および環境的にサポートされる医療など、私たちの生活のさまざまな側面でますます使用されています。しかし、これらのシステムはしばしば関連性のある情報であるかどうかにかかわらず、すべての情報を収集する傾向があるため、知能に欠けています。これにより、プライバシーの侵害や、データの処理における時間、労力、計算リソースの浪費が生じる可能性があります。

しかし、実際のアプリケーションにおける計測手順は、さまざまな種類のノイズの影響を受けます。すべての計測にはノイズが付随しています。特に電磁信号を控えめに保つ必要がある屋内環境では、信号対ノイズ比が低くなる場合があります。前の研究を進めるために、フランスのCNRSの研究者たちは、特定の情報抽出タスク(例:物体認識)だけでなく、さまざまな種類やレベルのノイズにも適応するインテリジェントなプログラマブル計算メタイメージャーを開発しました。

ある種のノイズと強度は、計測プロセスに必ず影響を与えます。私たちは、ノイズの種類と量が、スマートでプログラマブルなメタイメージャーが画像からタスク固有の情報を効果的に抽出するために使用すべき最適な連続的な照明パターンに影響を与えるという仮説を立てます。これは、シングルトランスミッターシングルディテクターマルチショットプログラマブル計算イメージングシステムと見なされます。これらのシステムは特にマイクロ波ドメインで重要であり、高価なトランシーバーをプログラマブルなメタサーフェスアパーチャで置き換えることができ、単一の無線周波数チェーンから連続的な波面を合成することができます。

研究者によると、遅延制約とノイズがインテリジェントなマルチショットプログラマブルメタイメージャーに与える影響を詳細に探索しています。研究者たちは、一般的な物体認識の問題を研究し、それに対してマイクロ波計算プログラマブルメタイメージャーシステムを提案し、その理論を検証するために使用しました。これらのシステムは、地球観測、屋内監視などに使用することができます。

彼らのモデルでは、マイクロ波ダイナミックメタサーフェスアンテナ(DMA)がシーンに一連の連続波面を送信するために単一のトランスミッターを使用し、2番目のDMAが反射波を一貫して収集するために単一のディテクターを使用しました。ノイズを伴った将来のデジタル処理ステージとノイズを伴ったプログラマブルな物理計測プロセスで構成される微分可能なエンドツーエンドの情報フローパイプラインが開発されました。

このタスク固有のエンドツーエンドのトレーニング可能な物理パラメータとトレーニング可能なデジタルパラメータの共同最適化により、計測プロセスにはタスク認識能力が与えられ、タスクに関連するアナログドメインの情報と関連しない情報を区別することができます。

科学者たちは、シーンから抽出できる情報量が遅延制約および/またはノイズによって制約される場合、このプログラマブルメタイメージャーは、ランダムな構成を持つ従来の圧縮センシングよりも優れたパフォーマンスを発揮することを見出しました。

信号に独立したノイズタイプと信号依存性のノイズタイプの両方において性能の向上が観察されました。この手法の「ブラックボックス」的な性質にもかかわらず、学習した照明パターンの「マクロ的」な側面、特に相互の重なりおよび強度には直感的にアクセスできることがわかりました。

研究者によれば、ノイズの種類と量を自動的に認識し、それに応じてDMAの設定を変更するシステムに移行することは簡単です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

「識別可能であるが可視性がない:プライバシー保護に配慮した人物再識別スキーム(論文要約)」

人物再識別(Person Re-ID)は、異なる場所や時間で監視カメラを使用して人々を識別するための高度なコンピュータビジョンの...

AI研究

AIを使用してAI画像の改ざんを防ぐ

「PhotoGuard」は、MIT CSAILの研究者によって開発されたもので、不正な画像操作を防ぎ、高度な生成モデルの時代において信頼...

機械学習

「FlexGenに会おう:GPUメモリが限られている場合に大規模な言語モデル(LLM)を実行するための高スループットな生成エンジン」

大規模言語モデル(LLM)は最近、さまざまなタスクで印象的なパフォーマンスを発揮しています。生成型LLMの推論は以前にない...

機械学習

「生成AI技術によって広まる気候情報の誤情報の脅威」

「生成AIが気候の誤情報を広げる方法を探求し、気候論議への影響に対抗するための具体的な戦略を学びましょう」

機械学習

「snnTorchとは:スパイキングニューラルネットワークを利用した勾配ベースの学習を行うためのオープンソースのPythonパッケージ」

人工知能において、効率性と環境への影響が最も重要な関心事となりました。これに対応するために、UCサンタクルーズのジェイ...

機械学習

機械学習をマスターするための無料の5つのコース

「機械学習モデルの学習と構築に興奮していますか? 今日から無料の機械学習コースを学び始めましょう」