論文の概要: An Affine moment invariant for multi-component shapes

• arxiv url: http://arxiv.org/abs/2012.13774v1
• Date: Sat, 26 Dec 2020 16:26:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 01:50:52.366686
• Title: An Affine moment invariant for multi-component shapes
• Title（参考訳）: 多成分形状に対するアフィンモーメント不変量
• Authors: Jovisa Zunic, Milos Stojmenovic
• Abstract要約: 多成分形状を解析するための画像ベースのアルゴリズムツールを紹介します。 この方法は、マルチコンポーネント形状測定と呼ばれる図形に数値を割り当てます。 航空画像解析と銀河画像解析に関する2つの小さめながら図示的な例を示す。
• 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 introduce an image based algorithmic tool for analyzing multi-component shapes here. Due to the generic concept of multi-component shapes, our method can be applied to the analysis of a wide spectrum of applications where real objects are analyzed based on their shapes - i.e. on their corresponded black and white images. The method allocates a number to a shape, herein called a multi-component shapes measure. This number/measure is invariant with respect to affine transformations and is established based on the theoretical frame developed in this paper. In addition, the method is easy to implement and is robust (e.g. with respect to noise). We provide two small but illustrative examples related to aerial image analysis and galaxy image analysis. Also, we provide some synthetic examples for a better understanding of the measure behavior.
• Abstract（参考訳）: 本稿では,多成分形状解析のための画像ベースアルゴリズムツールを提案する。 多成分形状の一般的な概念のため、本手法は実物体をその形状に基づいて解析する広い範囲のアプリケーションの解析に適用することができる。 対応する白黒の画像です この方法は、多成分形状測定(multi-component shapes measure)と呼ばれる数値を形に割り当てる。 この数/測度はアフィン変換に対して不変であり、本論文で開発された理論的枠組みに基づいて確立される。 加えて、この方法は実装が容易で、堅牢である(例えば、)。 騒音については)。 航空画像解析と銀河画像解析に関する2つの小さめながら図示的な例を示す。 また,測定値の挙動をよりよく理解するための合成例も提示する。

関連論文リスト

• Category-level Shape Estimation for Densely Cluttered Objects [94.64287790278887]
  そこで本研究では,密に散らばった物体のカテゴリレベルの形状推定手法を提案する。 我々のフレームワークは、多視点視覚情報融合によって、各オブジェクトをクラッタに分割する。 シミュレーション環境と実世界の実験から,本手法が高精度な形状推定を実現することが示された。
  論文  参考訳（メタデータ） (2023-02-23T13:00:17Z)
• Multi-View Reconstruction using Signed Ray Distance Functions (SRDF) [22.75986869918975]
  本稿では,体積の新たな形状表現に基づく新しい計算手法について検討する。 この表現に関連する形状エネルギーは、与えられたカラー画像の3次元形状を評価し、外観予測を必要としない。 実際には、カメラ線に沿った深さによってパラメータ化される符号付き距離に基づいて、暗黙の形状表現であるSRDFを提案する。
  論文  参考訳（メタデータ） (2022-08-31T19:32:17Z)
• SDFEst: Categorical Pose and Shape Estimation of Objects from RGB-D using Signed Distance Fields [5.71097144710995]
  RGB-D画像からのオブジェクトのポーズと形状推定のためのモジュールパイプラインを提案する。 生成型形状モデルと新しいネットワークを統合して,単一または複数ビューからの6次元ポーズと形状推定を可能にする。 我々は、合成データと実データの両方に関するいくつかの実験において、最先端手法に対するアプローチの利点を実証する。
  論文  参考訳（メタデータ） (2022-07-11T13:53:50Z)
• Similarity and symmetry measures based on fuzzy descriptors of image objects` composition [0.0]
  本稿では,画像オブジェクトを示す境界ボックスを付加した画像の類似度と対称性を測定する手法について述べる。 提案手法により、境界ボックスの集合を比較して、基礎となる画像の類似度を推定することができる。
  論文  参考訳（メタデータ） (2021-07-28T21:42:19Z)
• A Multi-parameter Persistence Framework for Mathematical Morphology [2.1485350418225244]
  持続的ホモロジーのレンズを通して形態学的操作を見る。 永続ホモロジー(persistent homology)は、トポロジカルデータ分析の分野の中心にあるツールである。
  論文  参考訳（メタデータ） (2021-03-24T06:46:00Z)
• ShaRF: Shape-conditioned Radiance Fields from a Single View [54.39347002226309]
  本稿では,単一の画像のみのオブジェクトの神経シーン表現を推定する手法を提案する。 この手法の核心は,対象物の幾何学的足場の推定である。 合成画像と実画像の両方において,提案手法の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2021-02-17T16:40:28Z)
• Isometric Multi-Shape Matching [50.86135294068138]
  形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。 アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。 定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
  論文  参考訳（メタデータ） (2020-12-04T15:58:34Z)
• Multiscale Mesh Deformation Component Analysis with Attention-based Autoencoders [49.62443496989065]
  重み付けされたアテンションベースオートエンコーダを用いて, マルチスケール変形成分を精度良く自動生成する手法を提案する。 このアテンション機構は、アクティブな変形領域において、軟弱なマルチスケール変形成分を学習するように設計されている。 提案手法では,新しい形状の効果的なモデリングを容易にするために,粗い形状で形状を編集することができる。
  論文  参考訳（メタデータ） (2020-12-04T08:30:57Z)
• SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
  入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。 具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。 本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
  論文  参考訳（メタデータ） (2020-10-22T07:15:23Z)
• Category Level Object Pose Estimation via Neural Analysis-by-Synthesis [64.14028598360741]
  本稿では、勾配に基づくフィッティング法とパラメトリックニューラルネットワーク合成モジュールを組み合わせる。 画像合成ネットワークは、ポーズ設定空間を効率的に分散するように設計されている。 本研究では,2次元画像のみから高精度に物体の向きを復元できることを実験的に示す。
  論文  参考訳（メタデータ） (2020-08-18T20:30:47Z)

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。