論文の概要: Spin-Weighted Spherical CNNs
- arxiv url: http://arxiv.org/abs/2006.10731v2
- Date: Mon, 26 Oct 2020 17:38:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 13:13:30.981078
- Title: Spin-Weighted Spherical CNNs
- Title(参考訳): スピン重み付き球状CNN
- Authors: Carlos Esteves, Ameesh Makadia, Kostas Daniilidis
- Abstract要約: 球面領域を離れることなく, 異方性フィルタを効率的に行うことができる新しい球面CNNを提案する。
鍵となる考え方は、重力波の研究において物理学で導入されたスピン重み付き球面関数を考えることである。
本手法は, 球面画像の分類, 3次元形状の分類, 球面パノラマのセマンティックセグメンテーションといったタスクにおいて, 従来の手法よりも優れていた。
- 参考スコア(独自算出の注目度): 58.013031812072356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning equivariant representations is a promising way to reduce sample and
model complexity and improve the generalization performance of deep neural
networks. The spherical CNNs are successful examples, producing
SO(3)-equivariant representations of spherical inputs. There are two main types
of spherical CNNs. The first type lifts the inputs to functions on the rotation
group SO(3) and applies convolutions on the group, which are computationally
expensive since SO(3) has one extra dimension. The second type applies
convolutions directly on the sphere, which are limited to zonal (isotropic)
filters, and thus have limited expressivity. In this paper, we present a new
type of spherical CNN that allows anisotropic filters in an efficient way,
without ever leaving the spherical domain. The key idea is to consider
spin-weighted spherical functions, which were introduced in physics in the
study of gravitational waves. These are complex-valued functions on the sphere
whose phases change upon rotation. We define a convolution between
spin-weighted functions and build a CNN based on it. The spin-weighted
functions can also be interpreted as spherical vector fields, allowing
applications to tasks where the inputs or outputs are vector fields.
Experiments show that our method outperforms previous methods on tasks like
classification of spherical images, classification of 3D shapes and semantic
segmentation of spherical panoramas.
- Abstract(参考訳): 等価表現の学習は、サンプルとモデルの複雑さを減らし、ディープニューラルネットワークの一般化性能を向上させる有望な方法である。
球面cnnは成功例であり、球面入力のso(3)同値表現を生成する。
球状CNNには2つの主な種類がある。
最初の型は回転群 SO(3) 上の関数への入力を持ち上げ、群に畳み込みを適用するが、SO(3) は余剰次元が 1 であるので計算的に高価である。
第2の型は球面に直接畳み込みを適用し、これは帯状(等方性)フィルタに制限され、したがって表現性は制限される。
本稿では,球面領域を離れることなく,効率的な異方性フィルタを実現する新しいタイプの球面cnnを提案する。
重要なアイデアは、重力波の研究で物理学に導入されたスピン重み付き球面関数を考えることである。
これらは回転によって位相が変化する球面上の複素値関数である。
スピン重み関数間の畳み込みを定義し,それに基づいてcnnを構築する。
スピン重み関数は球面ベクトル場としても解釈でき、入力や出力がベクトル場であるタスクに応用することができる。
実験の結果,球面画像の分類,3次元形状の分類,球面パノラマのセグメンテーションなどのタスクにおいて,従来の手法よりも優れていた。
関連論文リスト
- Scaling Spherical CNNs [19.735829027026902]
球面の畳み込みがより大きな問題に対してどのようにスケールできるかを示す。
実験により、我々のより大きな球状CNNが、QM9分子ベンチマークのいくつかのターゲットで最先端に達することが示された。
論文 参考訳(メタデータ) (2023-06-08T17:59:08Z) - 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) - M\"{o}bius Convolutions for Spherical CNNs [26.91151736538527]
M"オビウス変換は、幾何学と球面画像処理の両方において重要な役割を果たす。
以下、M"obius-equivariant spherical convolution operatorについて述べる。
形状分類と画像分割の両タスクにおいて有望な結果を得ることにより,その実用性を実証する。
論文 参考訳(メタデータ) (2022-01-28T16:11:47Z) - PDO-e$\text{S}^\text{2}$CNNs: Partial Differential Operator Based
Equivariant Spherical CNNs [77.53203546732664]
我々は偏微分演算子を用いて球等価CNN, PDO-e$textStext2$CNNを設計する。
実験では、pdo-e$textstext2$cnnsはパラメータ効率が高く、いくつかのタスクで他の球面cnnを大きく上回る。
論文 参考訳(メタデータ) (2021-04-08T07:54:50Z) - Concentric Spherical GNN for 3D Representation Learning [53.45704095146161]
同心球面特徴写像を学習するための新しい多解畳み込みアーキテクチャを提案する。
当社の階層的アーキテクチャは、球内情報と球間情報の両方を組み込むための代替学習に基づいています。
回転データを用いた3次元分類作業における最先端性能向上へのアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2021-03-18T19:05:04Z) - Spherical Transformer: Adapting Spherical Signal to CNNs [53.18482213611481]
Spherical Transformerは、球状信号を標準CNNで直接処理できるベクトルに変換できます。
我々は,球面MNIST認識,3次元オブジェクト分類,全方向画像セマンティックセグメンテーションの課題に対するアプローチを評価する。
論文 参考訳(メタデータ) (2021-01-11T12:33:16Z) - Rotation-Invariant Autoencoders for Signals on Spheres [10.406659081400354]
球面画像に対する回転不変表現の教師なし学習の問題について検討する。
特に、$S2$と$SO(3)$の畳み込み層からなるオートエンコーダアーキテクチャを設計する。
複数のデータセットの実験は、クラスタリング、検索、分類アプリケーションにおける学習された表現の有用性を示す。
論文 参考訳(メタデータ) (2020-12-08T15:15:03Z) - Learning Equivariant Representations [10.745691354609738]
畳み込みニューラルネットワーク(CNN)はこの原理の成功例である。
対称性の群で定義される異なる変換に対する同変モデルを提案する。
これらのモデルはデータの対称性を利用して、サンプルとモデルの複雑さを減らし、一般化性能を向上させる。
論文 参考訳(メタデータ) (2020-12-04T18:46:17Z) - Cylindrical Convolutional Networks for Joint Object Detection and
Viewpoint Estimation [76.21696417873311]
3次元空間で定義された畳み込みカーネルの円筒形表現を利用する学習可能なモジュールである円筒型畳み込みネットワーク(CCN)を導入する。
CCNはビュー固有の畳み込みカーネルを通してビュー固有の特徴を抽出し、各視点におけるオブジェクトカテゴリスコアを予測する。
本実験は,円柱状畳み込みネットワークが関節物体の検出と視点推定に与える影響を実証する。
論文 参考訳(メタデータ) (2020-03-25T10:24:58Z)
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。