論文の概要: Skeletonization and Reconstruction based on Graph Morphological Transformations

• arxiv url: http://arxiv.org/abs/2009.07970v1
• Date: Wed, 16 Sep 2020 22:58:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 00:31:12.051638
• Title: Skeletonization and Reconstruction based on Graph Morphological Transformations
• Title（参考訳）: グラフ形態変換に基づく骨格化と再構成
• Authors: Hossein Memarzadeh Sharifipour, Bardia Yousefi, Xavier P.V. Maldague
• Abstract要約: 我々は、現在のノードベースの変換とは反対のエッジに基づく新しい構造化されたグラフ形態変換を提案する。 この手法の利点は、多くの広く使われているパスベースのアプローチがこの形態的操作の定義の中で利用できることである。
• 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: Multiscale shape skeletonization on pixel adjacency graphs is an advanced intriguing research subject in the field of image processing, computer vision and data mining. The previous works in this area almost focused on the graph vertices. We proposed novel structured based graph morphological transformations based on edges opposite to the current node based transformations and used them for deploying skeletonization and reconstruction of infrared thermal images represented by graphs. The advantage of this method is that many widely used path based approaches become available within this definition of morphological operations. For instance, we use distance maps and image foresting transform (IFT) as two main path based methods are utilized for computing the skeleton of an image. Moreover, In addition, the open question proposed by Maragos et al (2013) about connectivity of graph skeletonization method are discussed and shown to be quite difficult to decide in general case.
• Abstract（参考訳）: ピクセル隣接グラフ上の多スケール形状スケルトン化は画像処理、コンピュータビジョン、データマイニングの分野で興味深い研究課題である。 この領域における以前の研究は、ほとんどグラフ頂点に焦点を当てていた。 我々は,現在のノードベース変換とは反対のエッジに基づく新しい構造的グラフ形態変換を提案し,それらを用いて,グラフで表される赤外線熱画像のスケルトン化と再構成を行った。 この手法の利点は、多くの広く使われているパスベースのアプローチがこの形態的操作の定義の中で利用できることである。 例えば、距離マップと画像フォレスティング変換(IFT)を、画像の骨格を計算するために2つの主要な経路ベースの方法として利用する。 さらに,Maragos et al (2013) が提案したグラフスケルトン化手法の接続性に関するオープンな疑問についても論じ,一般には決定が困難であることが示されている。

関連論文リスト

• Deep Medial Voxels: Learned Medial Axis Approximations for Anatomical Shape Modeling [5.584193645582203]
  画像量からトポロジカルな骨格を忠実に近似する半単純表現であるディープ・メディアル・ボクセルを導入する。 再現技術は,可視化と計算機シミュレーションの両方の可能性を示している。
  論文  参考訳（メタデータ） (2024-03-18T13:47:18Z)
• A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
  我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。 2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
  論文  参考訳（メタデータ） (2023-08-19T00:55:55Z)
• TranSG: Transformer-Based Skeleton Graph Prototype Contrastive Learning with Structure-Trajectory Prompted Reconstruction for Person Re-Identification [63.903237777588316]
  3Dスケルトンデータによる人物再識別(re-ID)は、顕著な優位性を持つ新興トピックである。 既存の方法は通常、生の関節を持つ骨格記述子を設計するか、あるいは骨格配列表現学習を行う。 本稿では,構造軌道を誘導する再構成によるコントラスト学習(TranSG)手法を提案する。
  論文  参考訳（メタデータ） (2023-03-13T02:27:45Z)
• A training-free recursive multiresolution framework for diffeomorphic deformable image registration [6.929709872589039]
  変形可能な画像登録のための新しい微分型学習自由アプローチを提案する。 提案するアーキテクチャは設計上は単純で,各解像度で移動像を順次ワープし,最終的に固定像に整列する。 システム全体はエンドツーエンドで、スクラッチから各2つのイメージに最適化されている。
  論文  参考訳（メタデータ） (2022-02-01T15:17:17Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Shape-Biased Domain Generalization via Shock Graph Embeddings [2.578242050187029]
  本稿では,古典的コンピュータビジョンを用いた形状の明示的かつ完全な表現を提唱する。 結果として得られるグラフとその記述子は、輪郭内容の完全な表現であり、最近のグラフニューラルネットワーク(GNN)手法を用いて分類される。
  論文  参考訳（メタデータ） (2021-09-13T02:10:40Z)
• Self-Supervised Graph Representation Learning via Topology Transformations [61.870882736758624]
  本稿では,グラフデータのノード表現のための自己教師型学習の一般的なパラダイムであるトポロジー変換同変表現学習について述べる。 実験では,提案手法を下流ノードおよびグラフ分類タスクに適用し,提案手法が最先端の教師なし手法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-05-25T06:11:03Z)
• Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
  我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。 ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
  論文  参考訳（メタデータ） (2020-11-26T14:43:04Z)
• Progressive Spatio-Temporal Graph Convolutional Network for Skeleton-Based Human Action Recognition [97.14064057840089]
  本稿では,グラフ畳み込みネットワークのためのコンパクトで問題固有のネットワークを,段階的に自動的に見つける手法を提案する。 骨格に基づく人体行動認識のための2つのデータセットの実験結果から,提案手法は競争力あるいはより優れた分類性能を有することが示された。
  論文  参考訳（メタデータ） (2020-11-11T09:57:49Z)
• Multi-view adaptive graph convolutions for graph classification [20.10169385129154]
  グラフベースニューラルネットワークのための新しいマルチビュー手法を提案する。 レイヤは、グラフ分類のためのエンドツーエンドのグラフニューラルネットワークアーキテクチャで使用される。
  論文  参考訳（メタデータ） (2020-07-24T11:14:24Z)

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。