論文の概要: Point2Skeleton: Learning Skeletal Representations from Point Clouds

• arxiv url: http://arxiv.org/abs/2012.00230v2
• Date: Wed, 7 Apr 2021 04:24:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-30 19:52:13.920926
• Title: Point2Skeleton: Learning Skeletal Representations from Point Clouds
• Title（参考訳）: Point2Skeleton: 点雲から骨格表現を学ぶ
• Authors: Cheng Lin, Changjian Li, Yuan Liu, Nenglun Chen, Yi-King Choi, Wenping Wang
• Abstract要約: 本稿では,ポイントクラウドから骨格表現を学習するための教師なし手法であるPoint2Skeletonを紹介する。 まず、幾何変換を学習して骨格点の集合を予測し、次に骨格点の接続性を分析して骨格メッシュ構造を形成する。
• 参考スコア（独自算出の注目度）: 36.62519847312199
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce Point2Skeleton, an unsupervised method to learn skeletal representations from point clouds. Existing skeletonization methods are limited to tubular shapes and the stringent requirement of watertight input, while our method aims to produce more generalized skeletal representations for complex structures and handle point clouds. Our key idea is to use the insights of the medial axis transform (MAT) to capture the intrinsic geometric and topological natures of the original input points. We first predict a set of skeletal points by learning a geometric transformation, and then analyze the connectivity of the skeletal points to form skeletal mesh structures. Extensive evaluations and comparisons show our method has superior performance and robustness. The learned skeletal representation will benefit several unsupervised tasks for point clouds, such as surface reconstruction and segmentation.
• Abstract（参考訳）: 我々は,ポイントクラウドから骨格表現を学ぶための教師なし手法であるpoint2skeletonを紹介する。 既存のスケルトン化手法は管状形状と水密入力の厳密な要求に限定されているが,本手法は複雑な構造や取扱点雲に対するより一般化された骨格表現の生成を目的としている。 我々のキーとなる考え方は、中軸変換(MAT)の洞察を用いて、原点の固有幾何学的および位相的性質を捉えることである。 まず,幾何学的変換を学習して骨格点の集合を予測し,次に骨格点の連結を解析して骨格メッシュ構造を形成する。 広範な評価と比較の結果,本手法は優れた性能とロバスト性を示した。 学習された骨格表現は、表面再構成やセグメンテーションのような点雲に対する教師なしのタスクの恩恵を受ける。

関連論文リスト

• SPEAL: Skeletal Prior Embedded Attention Learning for Cross-Source Point Cloud Registration [20.32815928095936]
  ポイントクラウドの登録は、クロスソースのポイントクラウドと非構造化のシーンでほとんど探索されていない。 そこで我々は,SPEALと呼ばれる新しい手法を提案し,スケルトン表現を利用して点雲の固有位相を効果的に学習する。 我々の知識を最大限に活用するために、我々のアプローチは骨格幾何学的な先行した点雲の登録を容易にする最初の方法である。
  論文  参考訳（メタデータ） (2023-12-14T05:35:51Z)
• Hierarchical Skeleton Meta-Prototype Contrastive Learning with Hard Skeleton Mining for Unsupervised Person Re-Identification [70.90142717649785]
  本稿では,HSM(Hard Skeleton Mining)を用いた階層型非教師付きメタプロトタイプコントラストラーニング(Hi-MPC)手法を提案する。 原原型を複数の同種変換を伴うメタプロトタイプに変換することにより,原型固有の一貫性を学習し,人体再IDのより効果的な骨格特徴を捉える。
  論文  参考訳（メタデータ） (2023-07-24T16:18:22Z)
• SkeletonMAE: Graph-based Masked Autoencoder for Skeleton Sequence Pre-training [110.55093254677638]
  我々はSkeleton Sequence Learning(SSL)という,効率的なスケルトンシーケンス学習フレームワークを提案する。 本論文では,SkeletonMAEという非対称なグラフベースのエンコーダデコーダ事前学習アーキテクチャを構築する。 我々のSSLは、さまざまなデータセットにまたがってうまく一般化し、最先端の自己教師型スケルトンベースのアクション認識手法よりも優れています。
  論文  参考訳（メタデータ） (2023-07-17T13:33:11Z)
• Skeletal Point Representations with Geometric Deep Learning [0.6696732597888386]
  物体の骨格構造を計算するための新しい幾何学用語を提案する。 結果は従来のS-repと似ているが、より高速に製造される。
  論文  参考訳（メタデータ） (2023-03-03T18:08:12Z)
• LAKe-Net: Topology-Aware Point Cloud Completion by Localizing Aligned Keypoints [35.82520172874995]
  LAKe-Netは、整列キーポイントをローカライズする新しいポイントクラウド補完モデルである。 新しいタイプの骨格であるSurface-Skeletonは、幾何学的先行に基づくキーポイントから生成される。 実験結果から,本手法はポイントクラウド完了時の最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2022-03-31T03:14:48Z)
• Skeleton-bridged Point Completion: From Global Inference to Local Adjustment [48.2757171993437]
  形状整形のための骨格ブリッジ型点完備ネットワーク(SK-PCN)を提案する。 部分スキャンにより,まずその3次元骨格を予測し,大域構造を求める。 形状の完備化を構造推定と表面再構成に分離し,学習の難易度を緩和する。
  論文  参考訳（メタデータ） (2020-10-14T22:49:30Z)
• SkeletonNet: A Topology-Preserving Solution for Learning Mesh Reconstruction of Object Surfaces from RGB Images [85.66560542483286]
  本稿では,RGB画像から3次元物体表面再構成を学習する上での課題に焦点を当てる。 我々は,SkeGCNNとSkeDISNの2つのモデルを提案する。 提案するSkeletonNetの有効性を検証するための徹底的な実験を行った。
  論文  参考訳（メタデータ） (2020-08-13T07:59:25Z)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)
• Skeleton Extraction from 3D Point Clouds by Decomposing the Object into Parts [0.0]
  対象物をその部分へ分解することで,非組織的な点雲から曲線骨格を抽出することを提案する。 我々は、GCの基本特性である翻訳対称性を用いて、点雲から部品を抽出する。 パートベースのアプローチは、ユーザインタラクションのための自然で直感的なインターフェースも提供する。
  論文  参考訳（メタデータ） (2019-12-26T20:52:57Z)

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。