Fugu-MT 論文翻訳(概要): Symmetry Detection of Occluded Point Cloud Using Deep Learning

論文の概要: Symmetry Detection of Occluded Point Cloud Using Deep Learning

arxiv url: http://arxiv.org/abs/2003.06520v1
Date: Sat, 14 Mar 2020 00:23:58 GMT
ステータス: 処理完了
システム内更新日: 2022-12-23 20:29:16.293213
Title: Symmetry Detection of Occluded Point Cloud Using Deep Learning
Title（参考訳）: 深層学習による閉塞点雲の対称性検出
Authors: Zhelun Wu, Hongyan Jiang, Siyun He
Abstract要約: 本稿では,隠蔽点雲の対称性検出をディープラーニング方式で解くことを目的とする。私たちの知識を最大限に活用するために、私たちはこのような問題に取り組むためにディープラーニングを利用した最初の人です。
参考スコア（独自算出の注目度）: 1.0312968200748116
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Symmetry detection has been a classical problem in computer graphics, many of which using traditional geometric methods. In recent years, however, we have witnessed the arising deep learning changed the landscape of computer graphics. In this paper, we aim to solve the symmetry detection of the occluded point cloud in a deep-learning fashion. To the best of our knowledge, we are the first to utilize deep learning to tackle such a problem. In such a deep learning framework, double supervisions: points on the symmetry plane and normal vectors are employed to help us pinpoint the symmetry plane. We conducted experiments on the YCB- video dataset and demonstrate the efficacy of our method.
Abstract（参考訳）: 対称性検出はコンピュータグラフィックスにおける古典的な問題であり、その多くが伝統的な幾何学的手法を用いている。しかし近年,深層学習によってコンピュータグラフィックスの景観が変化しているのが目撃されている。本稿では,オクルードポイント雲の対称性検出をディープラーニングで解くことを目的としている。私たちの知る限りでは、このような問題に取り組むためにディープラーニングを利用するのは初めてです。このような深層学習の枠組みでは、二重監督:対称性平面上の点と正規ベクトルを用いて対称性平面をピンポイントする。 ycb-ビデオデータセットの実験を行い,本手法の有効性を実証した。

関連論文リスト

Geometric Constraints in Deep Learning Frameworks: A Survey [12.021629185200807]
ステレオフォトグラム法はシーン理解の新たな技術である。幾何ベースのフレームワークと深層学習ベースのフレームワークの重複について検討する。本稿では、現代のディープラーニングフレームワークで使用される制約を規定する、一般的な幾何学のための新しい分類法を提案する。
論文参考訳（メタデータ） (2024-03-19T04:41:09Z)
Partial Symmetry Detection for 3D Geometry using Contrastive Learning with Geodesic Point Cloud Patches [10.48309709793733]
我々は,測地線点雲パッチの回転,反射,翻訳,スケール不変な局所形状の特徴を学習することを提案する。この曖昧な問題に対して,本手法は複数の有効な解を抽出可能であることを示す。検出された対称性を領域成長アルゴリズムと組み合わせて下流タスクを実証する。
論文参考訳（メタデータ） (2023-12-13T15:48:50Z)
Learning the solution operator of two-dimensional incompressible Navier-Stokes equations using physics-aware convolutional neural networks [68.8204255655161]
パラメトリゼーションを必要とせず, 種々の測地における定常ナビエ-ストークス方程式の近似解を学習する手法を提案する。物理を意識したCNNの結果は、最先端のデータベースアプローチと比較される。
論文参考訳（メタデータ） (2023-08-04T05:09:06Z)
Neural Bregman Divergences for Distance Learning [60.375385370556145]
本稿では,入力凸ニューラルネットワークを用いて任意のブレグマン分岐を微分可能な方法で学習するための新しいアプローチを提案する。提案手法は,新しいタスクと以前に研究されたタスクのセットにおいて,より忠実に相違点を学習することを示す。我々のテストはさらに、既知の非対称なタスクにまで拡張するが、Bregmanでないタスクでは、不特定性にもかかわらず、我々のメソッドは競争的に機能する。
論文参考訳（メタデータ） (2022-06-09T20:53:15Z)
DeepMLS: Geometry-Aware Control Point Deformation [76.51312491336343]
本稿では,空間に基づく変形技術であるDeepMLSを紹介する。ニューラルネットワークの力を利用して、下層の形状を変形パラメータに注入する。本手法は直感的に滑らかな変形をしやすくし, 製造物に適している。
論文参考訳（メタデータ） (2022-01-05T23:55:34Z)
Probabilistic and Geometric Depth: Detecting Objects in Perspective [78.00922683083776]
3次元物体検出は、運転支援システムなどの様々な実用用途で必要とされる重要な機能である。双眼視やLiDARに頼っている従来の設定に比べて、経済的な解決策として単眼3D検出が注目されているが、それでも満足のいく結果が得られていない。本稿ではまず,この問題に関する系統的研究を行い,現在の単分子3次元検出問題をインスタンス深度推定問題として単純化できることを考察する。
論文参考訳（メタデータ） (2021-07-29T16:30:33Z)
NeRD: Neural 3D Reflection Symmetry Detector [27.626579746101292]
ニューラル3次元反射対称性検出器NeRDについて述べる。まず、粗大な戦略で対称性平面を列挙し、それから3次元のコストボリュームを構築することで最良の平面を見つける。実験の結果,本手法で検出した対称性平面は直接CNN回帰から検出した平面よりもかなり精度が高いことがわかった。
論文参考訳（メタデータ） (2021-04-19T17:25:51Z)
Fusing the Old with the New: Learning Relative Camera Pose with Geometry-Guided Uncertainty [91.0564497403256]
本稿では,ネットワークトレーニング中の2つの予測系間の確率的融合を含む新しい枠組みを提案する。本ネットワークは,異なる対応間の強い相互作用を強制することにより学習を駆動する自己追跡グラフニューラルネットワークを特徴とする。学習に適したモーションパーマリゼーションを提案し、難易度の高いDeMoNおよびScanNetデータセットで最新のパフォーマンスを達成できることを示します。
論文参考訳（メタデータ） (2021-04-16T17:59:06Z)
DF-VO: What Should Be Learnt for Visual Odometry? [33.379888882093965]
マルチビュージオメトリと深層学習を深さと光フローで統合し、シンプルで堅牢な視覚オドメトリーシステムを設計します。包括的アブレーション研究により,提案手法の有効性が示され,本システムの性能に関する広範な評価結果が得られた。
論文参考訳（メタデータ） (2021-03-01T11:50:39Z)
Neural Topological SLAM for Visual Navigation [112.73876869904]
意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
論文参考訳（メタデータ） (2020-05-25T17:56:29Z)
Towards Better Generalization: Joint Depth-Pose Learning without PoseNet [36.414471128890284]
自己教師型共同深層学習におけるスケール不整合の本質的問題に対処する。既存の手法の多くは、全ての入力サンプルで一貫した深さとポーズを学習できると仮定している。本稿では,ネットワーク推定からスケールを明示的に切り離す新しいシステムを提案する。
論文参考訳（メタデータ） (2020-04-03T00:28:09Z)

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。