論文の概要: CNNs on Surfaces using Rotation-Equivariant Features

• arxiv url: http://arxiv.org/abs/2006.01570v1
• Date: Tue, 2 Jun 2020 12:46:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 00:22:16.191402
• Title: CNNs on Surfaces using Rotation-Equivariant Features
• Title（参考訳）: 回転同変特性を用いた表面上のCNN
• Authors: Ruben Wiersma, Elmar Eisemann, Klaus Hildebrandt
• Abstract要約: 表面上のフィルタカーネルの輸送は回転のあいまいさをもたらすため、表面上のこれらのカーネルの均一なアライメントが防止される。 本稿では,ベクトル値,回転同値な特徴を持つ曲面のネットワークアーキテクチャを提案する。 形状対応タスクと形状分類タスクのネットワーク評価を行い,その性能を他の手法と比較する。
• 参考スコア（独自算出の注目度）: 10.259432250871997
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper is concerned with a fundamental problem in geometric deep learning that arises in the construction of convolutional neural networks on surfaces. Due to curvature, the transport of filter kernels on surfaces results in a rotational ambiguity, which prevents a uniform alignment of these kernels on the surface. We propose a network architecture for surfaces that consists of vector-valued, rotation-equivariant features. The equivariance property makes it possible to locally align features, which were computed in arbitrary coordinate systems, when aggregating features in a convolution layer. The resulting network is agnostic to the choices of coordinate systems for the tangent spaces on the surface. We implement our approach for triangle meshes. Based on circular harmonic functions, we introduce convolution filters for meshes that are rotation-equivariant at the discrete level. We evaluate the resulting networks on shape correspondence and shape classifications tasks and compare their performance to other approaches.
• Abstract（参考訳）: 本稿では,曲面上に畳み込みニューラルネットワークを構築する際に生じる,幾何学的深層学習の基本問題について述べる。 曲率により、表面上のフィルターカーネルの輸送は回転のあいまいさをもたらすため、表面上のこれらのカーネルの均一なアライメントが防止される。 ベクトル値、回転同値な特徴からなる曲面のためのネットワークアーキテクチャを提案する。 等分散性により、畳み込み層で特徴を集約する場合、任意の座標系で計算された特徴を局所的に整列することができる。 結果として得られるネットワークは、表面上の接空間に対する座標系の選択に無関係である。 トライアングルメッシュに対するアプローチを実装します。 円高調波関数に基づいて、離散レベルでの回転同変であるメッシュの畳み込みフィルタを導入する。 形状対応と形状分類に関するネットワークの評価を行い,その性能を他の手法と比較した。

関連論文リスト

• Differential Geometry in Neural Implicits [0.6198237241838558]
  トライアングルメッシュの離散微分幾何とニューラル暗黙曲面の連続微分幾何を橋渡しするニューラル暗黙の枠組みを導入する。 ニューラルネットワークの微分可能特性と三角形メッシュの離散幾何学を利用して、ニューラルネットワークをニューラルネットワークの暗黙関数のゼロレベル集合として近似する。
  論文  参考訳（メタデータ） (2022-01-23T13:40:45Z)
• Field Convolutions for Surface CNNs [19.897276088740995]
  簡単な観測に基づいてベクトル場に作用する新しい曲面畳み込み演算子を提案する。 この定式化は、散乱演算において内在的な空間畳み込みと平行輸送を組み合わせる。 基本幾何処理タスクにおける標準ベンチマークの最先端結果を得る。
  論文  参考訳（メタデータ） (2021-04-08T17:11:14Z)
• Deep Positional and Relational Feature Learning for Rotation-Invariant Point Cloud Analysis [107.9979381402172]
  点雲解析のための回転不変深層ネットワークを提案する。 ネットワークは階層的であり、位置的特徴埋め込みブロックと関係的特徴埋め込みブロックという2つのモジュールに依存している。 実験では、ベンチマークデータセット上で最先端の分類とセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2020-11-18T04:16:51Z)
• Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
  本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。 提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。 メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
  論文  参考訳（メタデータ） (2020-10-23T14:49:02Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)
• A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
  ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。 また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。 本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
  論文  参考訳（メタデータ） (2020-03-16T14:04:45Z)
• PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
  PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。 その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
  論文  参考訳（メタデータ） (2020-02-24T14:13:29Z)
• Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
  本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。 カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。 オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
  論文  参考訳（メタデータ） (2019-12-27T13:51:17Z)

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。