論文の概要: Invariant 3D Shape Recognition using Predictive Modular Neural Networks

• arxiv url: http://arxiv.org/abs/2005.11558v1
• Date: Sat, 23 May 2020 16:16:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 03:37:51.499352
• Title: Invariant 3D Shape Recognition using Predictive Modular Neural Networks
• Title（参考訳）: 予測モジュール型ニューラルネットワークを用いた不変3次元形状認識
• Authors: Vasileios Petridis (Dept. of Electrical and Computer Engineering, Aristotle University, Thessaloniki, Greece)
• Abstract要約: PreMONN(Predictive Modular Neural Networks)モデル/アーキテクチャは、2変数の関数と非ユークリッド空間に一般化される。 3次元不変形状認識とテクスチャ認識の文脈で提示される。 本稿では,ジェスチャー認識,行動認識,動的テクスチャ認識など,多くの問題に適用できる。
• 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: In this paper PREMONN (PREdictive MOdular Neural Networks) model/architecture is generalized to functions of two variables and to non-Euclidean spaces. It is presented in the context of 3D invariant shape recognition and texture recognition. PREMONN uses local relation, it is modular and exhibits incremental learning. The recognition process can start at any point on a shape or texture, so a reference point is not needed. Its local relation characteristic enables it to recognize shape and texture even in presence of occlusion. The analysis is mainly mathematical. However, we present some experimental results. The methods presented in this paper can be applied to many problems such as gesture recognition, action recognition, dynamic texture recognition etc.
• Abstract（参考訳）: 本稿では,Predictive Modular Neural Networksモデル/アーキテクチャを2変数の関数と非ユークリッド空間に一般化する。 3次元不変形状認識とテクスチャ認識の文脈で提示される。 PreMONNは局所的な関係を使い、モジュラーであり、漸進的な学習を示す。 認識プロセスは、形状やテクスチャの任意の時点で開始することができるので、参照ポイントは不要である。 その局所的な関係特性により、閉塞の存在下でも形状やテクスチャを認識することができる。 解析は主に数学である。 しかし,いくつかの実験結果が得られた。 本稿では,ジェスチャ認識,行動認識,動的テクスチャ認識などの多くの問題に適用できる。

関連論文リスト

• Neural Vector Fields: Implicit Representation by Explicit Learning [63.337294707047036]
  ニューラルベクトル場 (Neural Vector Fields, NVF) という新しい3次元表現法を提案する。 メッシュを直接操作するための明示的な学習プロセスを採用するだけでなく、符号なし距離関数(UDF)の暗黙的な表現も採用している。 提案手法は,まず表面への変位クエリを予測し,テキスト再構成として形状をモデル化する。
  論文  参考訳（メタデータ） (2023-03-08T02:36:09Z)
• 3D Neural Sculpting (3DNS): Editing Neural Signed Distance Functions [34.39282814876276]
  本研究では,ニューラルネットワークを用いて表現された符号付き距離関数の対話的編集を行う手法を提案する。 メッシュのための3D彫刻ソフトウェアにインスパイアされた私たちは、直感的で将来彫刻家やデジタルアーティストが利用できるブラシベースのフレームワークを使用しています。
  論文  参考訳（メタデータ） (2022-09-28T10:05:16Z)
• 3D Concept Grounding on Neural Fields [99.33215488324238]
  既存の視覚的推論手法は、典型的には、2Dセグメンテーションマスクを抽出するために教師付き手法を用いる。 人間は、画像の3D表現の基盤となる概念を基盤にすることができる。 我々は,ニューラルネットワークの連続的,微分可能な性質を利用して概念をセグメント化し,学習することを提案する。
  論文  参考訳（メタデータ） (2022-07-13T17:59:33Z)
• Learning Smooth Neural Functions via Lipschitz Regularization [92.42667575719048]
  ニューラルフィールドにおけるスムーズな潜伏空間を促進するために設計された新しい正規化を導入する。 従来のリプシッツ正規化ネットワークと比較して、我々のアルゴリズムは高速で、4行のコードで実装できる。
  論文  参考訳（メタデータ） (2022-02-16T21:24:54Z)
• Leveraging Unsupervised Image Registration for Discovery of Landmark Shape Descriptor [5.40076482533193]
  本稿では,画像からランドマークを発見するための自己教師型深層学習手法を提案する。 我々は、ランドマーク駆動のイメージ登録を主要なタスクとして使用し、ニューラルネットワークにイメージを適切に登録するランドマークを見つけるように強制する。 提案手法は分割と前処理を回避し、2D画像や3D画像のみを用いて使用可能な形状記述子を直接生成する。
  論文  参考訳（メタデータ） (2021-11-13T01:02:10Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)
• 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)
• Neural Parts: Learning Expressive 3D Shape Abstractions with Invertible Neural Networks [118.20778308823779]
  Invertible Neural Network (INN) を用いてプリミティブを定義する新しい3次元プリミティブ表現を提案する。 私たちのモデルは、部品レベルの監督なしに3Dオブジェクトを意味的に一貫した部品配置に解析することを学びます。
  論文  参考訳（メタデータ） (2021-03-18T17:59:31Z)
• Category-Level 3D Non-Rigid Registration from Single-View RGB Images [28.874008960264202]
  CNNを用いたRGB画像からの3次元非剛性登録問題の解法を提案する。 我々の目的は、与えられた3次元標準模型を1枚のRGB画像で観察された新しいインスタンスに整合する変形場を見つけることである。
  論文  参考訳（メタデータ） (2020-08-17T10:35:19Z)
• Reorganizing local image features with chaotic maps: an application to texture recognition [0.0]
  テクスチャ認識のためのカオスベースの局所記述子を提案する。 画像を3次元ユークリッド空間にマッピングし、この3次元構造上のカオス写像を反復し、元の像に戻す。 本手法の有効性をベンチマークデータベースの分類と,葉面のテクスチャに基づくブラジルの植物種の同定で検証した。
  論文  参考訳（メタデータ） (2020-07-15T03:15:01Z)

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。