Fugu-MT 論文翻訳(概要): Cosine-Pruned Medial Axis: A new method for isometric equivariant and noise-free medial axis extraction

論文の概要: Cosine-Pruned Medial Axis: A new method for isometric equivariant and noise-free medial axis extraction

arxiv url: http://arxiv.org/abs/2012.02910v1
Date: Sat, 5 Dec 2020 00:44:05 GMT
ステータス: 処理完了
システム内更新日: 2021-05-22 18:22:31.456676
Title: Cosine-Pruned Medial Axis: A new method for isometric equivariant and noise-free medial axis extraction
Title（参考訳）: cosine-pruned medial axis: isometric equivariant and noise-free medial axis extraction の新しい方法
Authors: Diego Pati\~no and John Branch
Abstract要約: 異方性変換に同値なノイズロバスト性と等価性を有する新しい媒体軸プルーニング法であるCPMAを提案する。円滑な形状を使ってスコア関数 $scorefunction$ を計算し、中間軸からの分岐をフィルタリングします。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present the CPMA, a new method for medial axis pruning with noise robustness and equivariance to isometric transformations. Our method leverages the discrete cosine transform to create smooth versions of a shape $\Omega$. We use the smooth shapes to compute a score function $\scorefunction$ that filters out spurious branches from the medial axis. We extensively compare the CPMA with state-of-the-art pruning methods and highlight our method's noise robustness and isometric equivariance. We found that our pruning approach achieves competitive results and yields stable medial axes even in scenarios with significant contour perturbations.
Abstract（参考訳）: 異方性変換に同値なノイズロバスト性と等価性を有する新しい媒体軸プルーニング法であるCPMAを提案する。本手法は離散コサイン変換を利用して, 形状の滑らかなバージョンを$\Omega$で作成する。滑らかな形状を使ってスコア関数$\scorefunction$を計算し、内側軸から散発的な枝をフィルターします。 cpmaを最先端プルーニング法と比較し,ノイズロバスト性および等尺同値性に注目した。提案手法は, 激しい輪郭摂動を伴うシナリオにおいても, 競争結果が得られ, 安定した中間軸が得られることがわかった。

関連論文リスト

Quasi-Medial Distance Field (Q-MDF): A Robust Method for Approximating and Discretizing Neural Medial Axis [18.625439577873152]
本稿では,主流の明示的媒介軸計算手法から分岐する新しい暗黙的手法を提案する。本手法は,トーンメッシュと点雲からのコンパクト媒質軸変換を学習する際の精度とロバスト性を向上する。
論文参考訳（メタデータ） (2024-10-23T11:23:05Z)
Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation [57.10353686244835]
我々は、回転、スケーリング、せん断、翻訳を含む入力画像の幾何学的変換に対するニューラルネットワークの検証の問題に対処する。提案手法は, 分枝・分枝リプシッツと組み合わせたサンプリングおよび線形近似を用いて, 画素値に対する楽音線形制約を求める。提案手法では,既存の手法よりも最大32%の検証ケースが解決されている。
論文参考訳（メタデータ） (2024-08-23T15:02:09Z)
Modified Step Size for Enhanced Stochastic Gradient Descent: Convergence and Experiments [0.0]
本稿では,$frac1sqrtttをベースとした変形ステップサイズを改良することにより,勾配降下法(SGD)アルゴリズムの性能向上に新たなアプローチを提案する。提案されたステップサイズは対数的なステップ項を統合し、最終イテレーションでより小さな値を選択する。提案手法の有効性について,FashionMNISTとARARを用いて画像分類タスクの数値実験を行った。
論文参考訳（メタデータ） (2023-09-03T19:21:59Z)
First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities [91.46841922915418]
本稿では,一階変分法の理論解析のための統一的アプローチを提案する。提案手法は非線形勾配問題とモンテカルロの強い問題の両方をカバーする。凸法最適化問題の場合、オラクルに強く一致するような境界を与える。
論文参考訳（メタデータ） (2023-05-25T11:11:31Z)
Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
論文参考訳（メタデータ） (2023-03-09T11:51:20Z)
Difference of Anisotropic and Isotropic TV for Segmentation under Blur and Poisson Noise [2.6381163133447836]
画像をスムーシング・アンド・スレッディング(SaT)セグメンテーションフレームワークを採用して、スムースなソリューションを見つけ、次に$k-meansで画像のセグメンテーションを行う。具体的には、画像平滑化ステップにおいて、ムムフォードシャーモデルの最大雑音を正則化として、異方性全変動(AITV)の最大変動に置き換える。スキームの有効性を検証するための収束解析が提供される。
論文参考訳（メタデータ） (2023-01-06T01:14:56Z)
Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文参考訳（メタデータ） (2021-07-21T17:10:14Z)
On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
論文参考訳（メタデータ） (2021-06-30T17:51:36Z)
Stochastic Optimization with Heavy-Tailed Noise via Accelerated Gradient Clipping [69.9674326582747]
そこで本研究では,重み付き分散雑音を用いたスムーズな凸最適化のための,クリップ付きSSTMと呼ばれる新しい1次高速化手法を提案する。この場合、最先端の結果を上回る新たな複雑さが証明される。本研究は,SGDにおいて,ノイズに対する光細かな仮定を伴わずにクリッピングを施した最初の非自明な高確率複雑性境界を導出した。
論文参考訳（メタデータ） (2020-05-21T17:05:27Z)
Nonparametric Bayesian volatility learning under microstructure noise [2.812395851874055]
市場マイクロ構造騒音下でのボラティリティ学習の課題について検討する。具体的には、微分方程式からノイズの多い離散時間観測を考察する。方程式の拡散係数を学習するための新しい計算法を開発した。
論文参考訳（メタデータ） (2018-05-15T07:32:18Z)

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。