論文の概要: Optimizing Geometry Compression using Quantum Annealing
- arxiv url: http://arxiv.org/abs/2003.13253v1
- Date: Mon, 30 Mar 2020 07:56:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 08:49:14.518624
- Title: Optimizing Geometry Compression using Quantum Annealing
- Title（参考訳）: 量子アニーリングによる幾何圧縮の最適化
- Authors: Sebastian Feld, Markus Friedrich, Claudia Linnhoff-Popien
- Abstract要約: 本稿では, 構成的ソリッドジオメトリ (CSG) モデル表現に基づく, 量子可能な3dクラウド圧縮パイプラインを提案する。
パイプラインのキー部分はNP完全問題にマッピングされ、量子アニール上での実行に適した効率的なIsing定式化が存在する。
- 参考スコア（独自算出の注目度）: 8.959391124399925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The compression of geometry data is an important aspect of
bandwidth-efficient data transfer for distributed 3d computer vision
applications. We propose a quantum-enabled lossy 3d point cloud compression
pipeline based on the constructive solid geometry (CSG) model representation.
Key parts of the pipeline are mapped to NP-complete problems for which an
efficient Ising formulation suitable for the execution on a Quantum Annealer
exists. We describe existing Ising formulations for the maximum clique search
problem and the smallest exact cover problem, both of which are important
building blocks of the proposed compression pipeline. Additionally, we discuss
the properties of the overall pipeline regarding result optimality and
described Ising formulations.
- Abstract（参考訳）: 幾何データの圧縮は、分散3次元コンピュータビジョンアプリケーションにおける帯域効率の良いデータ転送の重要な側面である。
本稿では, 構成的ソリッドジオメトリ (CSG) モデル表現に基づく, 量子可能な3dクラウド圧縮パイプラインを提案する。
パイプラインのキー部分はNP完全問題にマッピングされ、量子アニール上での実行に適した効率的なIsing定式化が存在する。
本稿では,提案する圧縮パイプラインの重要な構成要素である最大クランク探索問題と最小完全被覆問題に対する既存のイジング定式化について述べる。
さらに,結果の最適性に関するパイプライン全体の特性について考察し,イジングの定式化について述べる。
関連論文リスト
- Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
ビット深度圧縮は、微妙な変化のある領域で均一な深度表現を生成し、詳細情報の回復を妨げる。
密集したランダムノイズは、シーンのグローバルな幾何学的構造を推定する精度を低下させる。
圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。
論文 参考訳（メタデータ） (2024-11-05T16:37:30Z) - Point Cloud Compression with Bits-back Coding [32.9521748764196]
本稿では,深層学習に基づく確率モデルを用いて,点雲情報のシャノンエントロピーを推定する。
点雲データセットのエントロピーを推定すると、学習されたCVAEモデルを用いて点雲の幾何学的属性を圧縮する。
本手法の新規性は,CVAEの学習潜在変数モデルを用いて点雲データを圧縮することである。
論文 参考訳（メタデータ） (2024-10-09T06:34:48Z) - N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。
N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。
本手法は, 視認性, 深度, 外観特性を忠実に近似する。
論文 参考訳（メタデータ） (2024-05-25T13:54:34Z) - ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。
この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文 参考訳（メタデータ） (2024-03-15T14:35:05Z) - 3D Compression Using Neural Fields [90.24458390334203]
我々は3次元データに対する新しいNFベースの圧縮アルゴリズムを提案する。
本手法は,メッシュだけでなく3次元点雲上の幾何学的圧縮も優れていることを示す。
圧縮アルゴリズムを拡張して3Dデータの幾何と属性(色など)を圧縮するのは簡単である。
論文 参考訳（メタデータ） (2023-11-21T21:36:09Z) - Geometric Prior Based Deep Human Point Cloud Geometry Compression [67.49785946369055]
我々は、点雲の幾何学的冗長性除去に先立って、人間の幾何学的手法を利用する。
高分解能な人点雲を幾何学的先行と構造的偏差の組み合わせとして考えることができる。
提案フレームワークは,既存の学習ベースポイントクラウド圧縮手法を用いて,プレイ・アンド・プラグ方式で動作可能である。
論文 参考訳（メタデータ） (2023-05-02T10:35:20Z) - GRASP-Net: Geometric Residual Analysis and Synthesis for Point Cloud
Compression [16.98171403698783]
損失点クラウド幾何圧縮のための深層学習を用いた異種アプローチを提案する。
具体的には、粗い点雲上に存在する不規則な特徴に局所的詳細を変換するために、点ベースネットワークを適用する。
論文 参考訳（メタデータ） (2022-09-09T17:09:02Z) - Deep Geometry Post-Processing for Decompressed Point Clouds [32.72083309729585]
ポイントクラウド圧縮は、データストレージと送信の膨大なコストを削減する上で重要な役割を果たす。
本稿では,非圧縮点雲を強化するための学習に基づくポストプロセッシング手法を提案する。
実験の結果,提案手法は圧縮点雲の品質を著しく向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-04-29T08:57:03Z) - Neural Convolutional Surfaces [59.172308741945336]
この研究は、大域的、粗い構造から、微細で局所的で、おそらく繰り返される幾何学を歪める形状の表現に関係している。
このアプローチは, 最先端技術よりも優れたニューラル形状圧縮を実現するとともに, 形状詳細の操作と伝達を可能にする。
論文 参考訳（メタデータ） (2022-04-05T15:40:11Z) - 3DAC: Learning Attribute Compression for Point Clouds [35.78404985164711]
大規模非構造3次元点雲の属性圧縮問題について検討する。
本研究では,3次元点雲の属性を明示的に圧縮するディープ圧縮ネットワークを3DACと呼ぶ。
論文 参考訳（メタデータ） (2022-03-17T09:42:36Z)
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。