論文の概要: Iterative SE(3)-Transformers
- arxiv url: http://arxiv.org/abs/2102.13419v1
- Date: Fri, 26 Feb 2021 11:56:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-01 14:01:11.229881
- Title: Iterative SE(3)-Transformers
- Title（参考訳）: 反復se(3)変換器
- Authors: Fabian B. Fuchs, Edward Wagstaff, Justas Dauparas, Ingmar Posner
- Abstract要約: グラフデータに対するSE(3)等価な注意に基づくモデルであるSE(3)-Transformerの反復版を実装した。
反復的な方法でSE(3)-Transformerを適用する際に生じる追加的な合併症に対処し、おもちゃ問題の反復バージョンとシングルパスバージョンを比較し、反復モデルがいくつかの問題設定で有益である理由を検討する。
- 参考スコア（独自算出の注目度）: 18.907046439491307
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When manipulating three-dimensional data, it is possible to ensure that
rotational and translational symmetries are respected by applying so-called
SE(3)-equivariant models. Protein structure prediction is a prominent example
of a task which displays these symmetries. Recent work in this area has
successfully made use of an SE(3)-equivariant model, applying an iterative
SE(3)-equivariant attention mechanism. Motivated by this application, we
implement an iterative version of the SE(3)-Transformer, an SE(3)-equivariant
attention-based model for graph data. We address the additional complications
which arise when applying the SE(3)-Transformer in an iterative fashion,
compare the iterative and single-pass versions on a toy problem, and consider
why an iterative model may be beneficial in some problem settings. We make the
code for our implementation available to the community.
- Abstract（参考訳）: 三次元データを操作する場合、いわゆるSE(3)-同変モデルを適用することにより、回転対称性と翻訳対称性が尊重されることを保証できる。
タンパク質構造予測は、これらの対称性を示すタスクの顕著な例である。
この領域における最近の研究はSE(3)-同変モデルを使い、反復SE(3)-同変アテンション機構を適用した。
このアプリケーションに動機づけられて、グラフデータのSE(3)等価な注意ベースのモデルであるSE(3)-Transformerの反復バージョンを実装します。
反復的な方法でSE(3)-Transformerを適用する際に生じる追加的な合併症に対処し、おもちゃ問題の反復バージョンとシングルパスバージョンを比較し、反復モデルがいくつかの問題設定で有益である理由を検討する。
実装のコードをコミュニティに公開しています。
関連論文リスト
- 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。
本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。
提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
論文 参考訳（メタデータ） (2024-11-01T12:50:38Z) - SGIFormer: Semantic-guided and Geometric-enhanced Interleaving Transformer for 3D Instance Segmentation [14.214197948110115]
本稿では,SGIFormerという3次元インスタンスセグメンテーションのための新しい手法を提案する。
Semantic-Guided Mix Query (SMQ)とGeometric-enhanced Interleaving Transformer (GIT)デコーダで構成されている。
ScanNet V2、ScanNet200、そして挑戦的な高忠実度ScanNet++ベンチマークで最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2024-07-16T10:17:28Z) - Deep SE(3)-Equivariant Geometric Reasoning for Precise Placement Tasks [24.721590424515043]
提案手法は,SE(3)-equivariant の精度の高い相対ポーズ予測手法を提案する。
この問題をSE(3)不変タスク固有のシーン表現の学習に分解して解決する。
本手法は,シミュレーションされた配置タスクにおいて,より正確な配置予測を行うことができることを示す。
論文 参考訳（メタデータ） (2024-04-20T22:16:56Z) - GTA: A Geometry-Aware Attention Mechanism for Multi-View Transformers [63.41460219156508]
既存の位置符号化方式は3次元視覚タスクに最適であると主張する。
トークンの幾何学的構造を相対変換として符号化する幾何学的注意機構を提案する。
我々は、Geometric Transform Attention (GTA) と呼ばれる、最先端のトランスフォーマーベースNVSモデルの学習効率と性能を向上させることに留意している。
論文 参考訳（メタデータ） (2023-10-16T13:16:09Z) - Learning Modulated Transformation in GANs [69.95217723100413]
生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。
MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。
挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
論文 参考訳（メタデータ） (2023-08-29T17:51:22Z) - Generalizing Neural Human Fitting to Unseen Poses With Articulated SE(3)
Equivariance [48.39751410262664]
ArtEqは、点雲からのSMPLモデル推定のための部分ベースSE(3)等価ニューラルネットワークである。
実験の結果,ArtEqはトレーニング中に見えない動作を一般化し,身体再建精度の点で最先端の手法を44%上回った。
論文 参考訳（メタデータ） (2023-04-20T17:58:26Z) - Learning Symmetric Embeddings for Equivariant World Models [9.781637768189158]
入力空間(例えば画像)を符号化する学習対称埋め込みネットワーク(SEN)を提案する。
このネットワークは、同変のタスクネットワークでエンドツーエンドにトレーニングして、明示的に対称な表現を学ぶことができる。
実験により、SENは複素対称性表現を持つデータへの同変ネットワークの適用を促進することを示した。
論文 参考訳（メタデータ） (2022-04-24T22:31:52Z) - Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。
本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。
本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
論文 参考訳（メタデータ） (2021-12-14T13:14:24Z) - Equivariant Deep Dynamical Model for Motion Prediction [0.0]
深層生成モデリングは、データの最も単純化され圧縮された基礎的な記述を見つけるための動的モデリングの強力なアプローチである。
ほとんどの学習タスクは固有の対称性を持ち、すなわち入力変換は出力をそのままにするか、出力が同様の変換を行う。
本稿では, 入力空間の構造的表現を, 対称性の変換とともに変化するという意味で学習する動き予測のためのSO(3)同変深部力学モデル(EqDDM)を提案する。
論文 参考訳（メタデータ） (2021-11-02T21:01:43Z) - SE(3)-Transformers: 3D Roto-Translation Equivariant Attention Networks [71.55002934935473]
連続的な3次元ロト変換の下で同変である3次元点雲とグラフに対する自己アテンションモジュールの変種であるSE(3)-Transformerを導入する。
我々は, 入力の回転下での予測の頑健性を示す, おもちゃのN体粒子シミュレーションデータセットを用いて, モデルの評価を行った。
論文 参考訳（メタデータ） (2020-06-18T13:23:01Z)
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。