論文の概要: From noisy point clouds to complete ear shapes: unsupervised pipeline
- arxiv url: http://arxiv.org/abs/2008.09831v3
- Date: Fri, 4 Feb 2022 07:49:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 08:03:09.362484
- Title: From noisy point clouds to complete ear shapes: unsupervised pipeline
- Title（参考訳）: ノイズの多い点雲から完全な耳の形:教師なしパイプライン
- Authors: Filipa Valdeira, Ricardo Ferreira, Alessandra Micheletti, Cl\'audia
Soares
- Abstract要約: 本稿では,入力未順序の3次元点雲として,上記の問題に対処し,対応したデータセットを出力する完全パイプラインを提案する。
我々は、いくつかの最先端の登録方法の比較を行い、パイプラインのステップの1つに新しいアプローチを提案し、データのパフォーマンスを向上する。
- 参考スコア（独自算出の注目度）: 63.8376359764052
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ears are a particularly difficult region of the human face to model, not only
due to the non-rigid deformations existing between shapes but also to the
challenges in processing the retrieved data. The first step towards obtaining a
good model is to have complete scans in correspondence, but these usually
present a higher amount of occlusions, noise and outliers when compared to most
face regions, thus requiring a specific procedure. Therefore, we propose a
complete pipeline taking as input unordered 3D point clouds with the
aforementioned problems, and producing as output a dataset in correspondence,
with completion of the missing data. We provide a comparison of several
state-of-the-art registration methods and propose a new approach for one of the
steps of the pipeline, with better performance for our data.
- Abstract（参考訳）: 耳は人間の顔をモデル化する上で特に難しい領域であり、形状間の非剛性変形だけでなく、取得したデータを処理する上での課題でもある。
良いモデルを得るための最初のステップは、対応の完全なスキャンを行うことであるが、通常はほとんどの顔領域と比較して、閉塞、ノイズ、外れ値が多く、特定の手順を必要とする。
そこで,本稿では,上記の問題に対処した入力未順序の3次元点雲と対応したデータセットを出力する完全パイプラインを提案する。
我々は、いくつかの最先端の登録方法の比較を行い、パイプラインのステップの1つに新しいアプローチを提案し、データのパフォーマンスを向上する。
関連論文リスト
- Deformation-Guided Unsupervised Non-Rigid Shape Matching [7.327850781641328]
非厳密な形状マッチングのための教師なしデータ駆動方式を提案する。
本手法は,3次元スキャナを用いたディジタル形状のマッチングにおいて特に堅牢である。
論文 参考訳（メタデータ） (2023-11-27T09:55:55Z) - Controlled Randomness Improves the Performance of Transformer Models [4.678970068275123]
制御されたランダム性、すなわちノイズを訓練プロセスに導入し、微調整言語モデルを改善する。
このようなノイズを加えることで、結合したエンティティ認識と関係抽出とテキスト要約という2つの下流タスクのパフォーマンスが向上することがわかった。
論文 参考訳（メタデータ） (2023-10-20T14:12:55Z) - Improving the Robustness of Summarization Models by Detecting and
Removing Input Noise [50.27105057899601]
本研究では,様々な種類の入力ノイズから,様々なデータセットやモデルサイズに対する性能損失を定量化する大規模な実験的検討を行った。
本稿では,モデル推論中の入力中のそのようなノイズを検出し,除去するための軽量な手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T00:33:11Z) - Probabilistic Registration for Gaussian Process 3D shape modelling in
the presence of extensive missing data [63.8376359764052]
本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。
様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
論文 参考訳（メタデータ） (2022-03-26T16:48:27Z) - Unsupervised 3D Human Mesh Recovery from Noisy Point Clouds [30.401088478228235]
ノイズの多い点雲から人体形状やポーズを復元するための教師なしのアプローチを提案する。
私たちのネットワークは、教師付きデータでネットワークをウォームアップする必要がないように、ゼロからトレーニングされています。
論文 参考訳（メタデータ） (2021-07-15T18:07:47Z) - UnrealPerson: An Adaptive Pipeline towards Costless Person
Re-identification [102.58619642363959]
本稿では,unrealpersonという,非現実的な画像データをフル活用して,トレーニングとデプロイメントの両面でコストを削減する新しいパイプラインを提案する。
3,000のIDと12万のインスタンスで、MSMT17に直接転送されると38.5%のランク-1の精度が得られる。
論文 参考訳（メタデータ） (2020-12-08T08:15:30Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-28T22:24:07Z) - Learning multiview 3D point cloud registration [74.39499501822682]
本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。
このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
論文 参考訳（メタデータ） (2020-01-15T03:42:14Z)
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。