論文の概要: An inexact matching approach for the comparison of plane curves with
general elastic metrics
- arxiv url: http://arxiv.org/abs/2001.02858v1
- Date: Thu, 9 Jan 2020 06:45:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 05:32:09.428759
- Title: An inexact matching approach for the comparison of plane curves with
general elastic metrics
- Title（参考訳）: 平面曲線と一般弾性測定値の比較のための不正確なマッチング手法
- Authors: Yashil Sukurdeep, Martin Bauer, Nicolas Charon
- Abstract要約: 本稿では,入射平面曲線間の距離と測地線を計算するための新しい数学的定式化と数値計算手法を提案する。
この定式化の主な利点は、離散化された曲線に対する単純な最適化問題をもたらし、ノイズ、矛盾、破損したデータを扱う柔軟なアプローチを提供することである。
- 参考スコア（独自算出の注目度）: 9.851033166756274
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a new mathematical formulation and numerical approach
for the computation of distances and geodesics between immersed planar curves.
Our approach combines the general simplifying transform for first-order elastic
metrics that was recently introduced by Kurtek and Needham, together with a
relaxation of the matching constraint using parametrization-invariant fidelity
metrics. The main advantages of this formulation are that it leads to a simple
optimization problem for discretized curves, and that it provides a flexible
approach to deal with noisy, inconsistent or corrupted data. These benefits are
illustrated via a few preliminary numerical results.
- Abstract（参考訳）: 本稿では,入射平面曲線間の距離と測地線を計算するための新しい数学的定式化と数値計算手法を提案する。
提案手法は,最近Kurtek と Needham が導入した一階弾性計量の一般化変換と,パラメトリゼーション不変のフィデリティ指標を用いたマッチング制約の緩和を組み合わせたものである。
この定式化の主な利点は、離散化された曲線に対する単純な最適化問題をもたらし、ノイズ、矛盾、破損したデータを扱う柔軟なアプローチを提供することである。
これらの利点は、いくつかの予備的な数値結果を通じて示される。
関連論文リスト
- A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。
本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文 参考訳（メタデータ） (2024-05-24T21:09:19Z) - SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。
いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
論文 参考訳（メタデータ） (2023-08-16T14:25:30Z) - Curvature-Independent Last-Iterate Convergence for Games on Riemannian
Manifolds [77.4346324549323]
本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。
我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
論文 参考訳（メタデータ） (2023-06-29T01:20:44Z) - Rigid and Articulated Point Registration with Expectation Conditional
Maximization [20.096170794358315]
革新的なEMライクアルゴリズム、すなわちECMPR(Conditional Expectation Maximization for Point Registration)アルゴリズムを紹介します。
登録パラメータの推定の観点で、関連する結果について詳細に分析する。
堅固な登録を有形登録まで延長します。
論文 参考訳（メタデータ） (2020-12-09T17:36:11Z) - Random extrapolation for primal-dual coordinate descent [61.55967255151027]
本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。
一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
論文 参考訳（メタデータ） (2020-07-13T17:39:35Z) - Conditional gradient methods for stochastically constrained convex
minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。
私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。
提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文 参考訳（メタデータ） (2020-07-07T21:26:35Z) - Consistency analysis of bilevel data-driven learning in inverse problems [1.0705399532413618]
本稿では,データからの正規化パラメータの適応学習を最適化により検討する。
線形逆問題に対する我々のフレームワークの実装方法を示す。
勾配降下法を用いてオンライン数値スキームを導出する。
論文 参考訳（メタデータ） (2020-07-06T12:23:29Z) - A numerical framework for elastic surface matching, comparison, and
interpolation [10.09712608508383]
表面比較とマッチングはコンピュータビジョンにおいて難しい問題である。
本稿では,再パラメータ化の直接推定を回避した代替手法を提案する。
再パラメータ化の必要性を完全に回避することによって、単純なメッシュを扱うための柔軟性を提供する。
論文 参考訳（メタデータ） (2020-06-20T20:35:59Z) - Support recovery and sup-norm convergence rates for sparse pivotal
estimation [79.13844065776928]
高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。
非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
論文 参考訳（メタデータ） (2020-01-15T16:11:04Z)
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。