論文の概要: From Boundaries to Bumps: when closed (extremal) contours are critical

• arxiv url: http://arxiv.org/abs/2005.08116v1
• Date: Sat, 16 May 2020 22:27:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 13:32:31.855895
• Title: From Boundaries to Bumps: when closed (extremal) contours are critical
• Title（参考訳）: 境界からバンプへ:閉じた(極端に)輪郭が重要な場合
• Authors: Benjamin Kunsberg and Steven W. Zucker
• Abstract要約: 我々は、位相レベルに存在する新しい形状不変量である閉極大曲線を定義するために、閉凸の概念を緩和する。 極端曲線は生物学的に計算可能であり、シェーディング、テクスチャ、および特異材料から形状推論を統一し、バンプ知覚における新しい現象を予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Invariants underlying shape inference are elusive: a variety of shapes can give rise to the same image, and a variety of images can be rendered from the same shape. The occluding contour is a rare exception: it has both image salience, in terms of isophotes, and surface meaning, in terms of surface normal. We relax the notion of occluding contour to define closed extremal curves, a new shape invariant that exists at the topological level. They surround bumps, a common but ill-specified interior shape component, and formalize the qualitative nature of bump perception. Extremal curves are biologically computable, unify shape inferences from shading, texture, and specular materials, and predict new phenomena in bump perception.
• Abstract（参考訳）: 様々な形状が同じ画像を生み出し、同じ形状から様々な画像を描画することができる。 閉塞輪郭は稀な例外であり、イメージ・サリエンス(英語版)とアイソフォテ(英語版)、表面的意味(英語版)の両方が正常である。 我々は、位相レベルに存在する新しい形状不変量である閉極大曲線を定義するために、閉凸の概念を緩和する。 バンプは、一般的なが不特定内部形状成分であるバンプを取り囲み、バンプ知覚の質的な性質を定式化する。 極端曲線は生物学的に計算可能であり、シェーディング、テクスチャ、および特異材料から形状推論を統一し、バンプ知覚における新しい現象を予測する。

関連論文リスト

• Explorable Mesh Deformation Subspaces from Unstructured Generative Models [53.23510438769862]
  3次元形状の深い生成モデルは、しばしば潜在的な変動を探索するために使用できる連続的な潜伏空間を特徴付ける。 本研究では,手軽に探索可能な2次元探索空間から事前学習された生成モデルのサブ空間へのマッピングを構築することで,与えられたランドマーク形状の集合間のバリエーションを探索する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T18:53:57Z)
• Geometrically Consistent Partial Shape Matching [50.29468769172704]
  3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。 しばしば無視されるが、整合幾何学の重要な性質は整合性である。 本稿では,新しい整数型線形計画部分形状整合式を提案する。
  論文  参考訳（メタデータ） (2023-09-10T12:21:42Z)
• Curve Your Attention: Mixed-Curvature Transformers for Graph Representation Learning [77.1421343649344]
  本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。 また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
  論文  参考訳（メタデータ） (2023-09-08T02:44:37Z)
• Neural Implicit Shape Editing using Boundary Sensitivity [12.621108702820313]
  パラメータの摂動が形状境界をどう移動するかを表現するために境界感度を利用する。 これを用いて幾何学的編集を行い、グローバルに規定された変形を最もよく近似するパラメータ更新を求める。
  論文  参考訳（メタデータ） (2023-04-24T13:04:15Z)
• Landmark-free Statistical Shape Modeling via Neural Flow Deformations [0.5897108307012394]
  本稿では,トレーニングインスタンス間の密接な対応を必要とせず,形状変化を学習する新しい形状モデリング手法であるFlowSSMを提案する。 当モデルでは, 遠位端大腿骨・肝臓に先立って, 表現的かつ頑健な形状を提供することで, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-14T18:17:19Z)
• DeepCurrents: Learning Implicit Representations of Shapes with Boundaries [25.317812435426216]
  本稿では,明示的な境界曲線と暗黙的な学習内部を結合したハイブリッド形状表現を提案する。 さらに、境界曲線と潜時符号でパラメータ化された形状の学習ファミリを実証する。
  論文  参考訳（メタデータ） (2021-11-17T20:34:20Z)
• Augmenting Implicit Neural Shape Representations with Explicit Deformation Fields [95.39603371087921]
  入射神経表現は、ニューラルネットワークのゼロレベルセットとして形状収集を学ぶための最近のアプローチである。 我々は,暗黙的ニューラル表現に対する変形認識正規化を提唱し,遅延コードの変化として可塑性変形を生成することを目的とした。
  論文  参考訳（メタデータ） (2021-08-19T22:07:08Z)
• SNARF: Differentiable Forward Skinning for Animating Non-Rigid Neural Implicit Shapes [117.76767853430243]
  SNARFは多角形メッシュに対する線形ブレンドスキンの利点とニューラル暗黙表面の利点を組み合わせたものである。 反復ルート探索を用いて任意の変形点のすべての正準対応を探索するフォワードスキンモデルを提案する。 最先端のニューラルネットワークの暗黙的表現と比較すると,このアプローチは,精度を維持しつつ,未認識のポーズを一般化する。
  論文  参考訳（メタデータ） (2021-04-08T17:54:59Z)
• Cycle4Completion: Unpaired Point Cloud Completion using Cycle Transformation with Missing Region Coding [57.23678891670394]
  完全形状の潜在空間と不完全空間の2つの同時サイクル変換を提案する。 本研究では,学習した双方向ジオメトリ対応モデルが最新非対向補完法を上回っていることを示した。
  論文  参考訳（メタデータ） (2021-03-14T03:52:53Z)

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。