論文の概要: Concentric Spherical GNN for 3D Representation Learning
- arxiv url: http://arxiv.org/abs/2103.10484v1
- Date: Thu, 18 Mar 2021 19:05:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 22:55:12.234432
- Title: Concentric Spherical GNN for 3D Representation Learning
- Title(参考訳): 3次元表現学習のための同心球形gnn
- Authors: James Fox, Bo Zhao, Sivasankaran Rajamanickam, Rampi Ramprasad, Le
Song
- Abstract要約: 同心球面特徴写像を学習するための新しい多解畳み込みアーキテクチャを提案する。
当社の階層的アーキテクチャは、球内情報と球間情報の両方を組み込むための代替学習に基づいています。
回転データを用いた3次元分類作業における最先端性能向上へのアプローチの有効性を実証する。
- 参考スコア(独自算出の注目度): 53.45704095146161
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning 3D representations that generalize well to arbitrarily oriented
inputs is a challenge of practical importance in applications varying from
computer vision to physics and chemistry. We propose a novel multi-resolution
convolutional architecture for learning over concentric spherical feature maps,
of which the single sphere representation is a special case. Our hierarchical
architecture is based on alternatively learning to incorporate both
intra-sphere and inter-sphere information. We show the applicability of our
method for two different types of 3D inputs, mesh objects, which can be
regularly sampled, and point clouds, which are irregularly distributed. We also
propose an efficient mapping of point clouds to concentric spherical images,
thereby bridging spherical convolutions on grids with general point clouds. We
demonstrate the effectiveness of our approach in improving state-of-the-art
performance on 3D classification tasks with rotated data.
- Abstract(参考訳): 任意指向の入力にうまく一般化した3d表現の学習は、コンピュータビジョンから物理学、化学まで様々な応用において実際的に重要な課題である。
本論文では,単一球面表現が特別な場合である同心球面特徴写像を学習するための,新しいマルチレゾリューション畳み込み構造を提案する。
我々の階層的アーキテクチャは、球内情報と球間情報の両方を組み込むための代替学習に基づいている。
本稿では,2種類の3次元入力,メッシュオブジェクト,不規則に分布する点雲に適用可能性を示す。
また,同心球面画像への点雲の効率的なマッピングを提案し,一般の点雲を持つ格子上に球面畳み込みをブリッジする。
回転データを用いた3次元分類作業における最先端性能向上へのアプローチの有効性を示す。
関連論文リスト
- LISR: Learning Linear 3D Implicit Surface Representation Using Compactly
Supported Radial Basis Functions [5.056545768004376]
部分的かつノイズの多い3次元点雲スキャンから物体を3次元表面で再構成することは、古典的な幾何学処理と3次元コンピュータビジョンの問題である。
本稿では,物体の3次元表面の線形暗黙的形状表現を学習するためのニューラルネットワークアーキテクチャを提案する。
提案手法は,ベンチマークデータセットの最先端手法よりも,チャムファー距離と同等のFスコアを実現する。
論文 参考訳(メタデータ) (2024-02-11T20:42:49Z) - Robust 3D Tracking with Quality-Aware Shape Completion [67.9748164949519]
そこで本研究では,高密度および完全点の雲からなる合成対象表現について,ロバストな3次元追跡のための形状完備化により正確に表現する。
具体的には, 形状が整ったボキセル化3次元追跡フレームワークを設計し, ノイズのある歴史的予測の悪影響を軽減するために, 品質に配慮した形状完備化機構を提案する。
論文 参考訳(メタデータ) (2023-12-17T04:50:24Z) - NeurOCS: Neural NOCS Supervision for Monocular 3D Object Localization [80.3424839706698]
入力として3Dボックスをインスタンスマスクとして使用するNeurOCSを提案する。
われわれのアプローチは、実際の運転シーンから直接カテゴリレベルの形状を学習する際の洞察に依存している。
我々は、オブジェクト中心の視点からオブジェクト座標をより効果的に学習するための重要な設計選択を行う。
論文 参考訳(メタデータ) (2023-05-28T16:18:41Z) - Self-Supervised Learning for Multimodal Non-Rigid 3D Shape Matching [15.050801537501462]
我々は、メッシュベースの関数マップ正規化と、メッシュとポイントクラウドデータを結合する対照的な損失を組み合わせた、自己教師型マルチモーダル学習戦略を導入する。
我々の形状マッチングアプローチは、三角形メッシュ、完全点雲、部分的に観察された点雲のモード内対応を得ることを可能にする。
提案手法は,いくつかの挑戦的なベンチマークデータセットに対して,最先端の結果を達成できることを実証する。
論文 参考訳(メタデータ) (2023-03-20T09:47:02Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳(メタデータ) (2022-12-17T15:05:25Z) - Interpolated SelectionConv for Spherical Images and Surfaces [0.0]
球面画像上での畳み込みニューラルネットワーク操作のための,新しい汎用的なフレームワークを提案する。
我々のアプローチは、特定のサンプリング戦略に依存しない連結点のグラフとして表面を表す。
論文 参考訳(メタデータ) (2022-10-18T19:49:07Z) - Spatio-temporal Self-Supervised Representation Learning for 3D Point
Clouds [96.9027094562957]
ラベルのないタスクから学習できる時間的表現学習フレームワークを導入する。
幼児が野生の視覚的データからどのように学ぶかに触発され、3Dデータから派生した豊かな手がかりを探索する。
STRLは3Dポイントクラウドシーケンスから2つの時間的関連フレームを入力として、空間データ拡張で変換し、不変表現を自己指導的に学習する。
論文 参考訳(メタデータ) (2021-09-01T04:17:11Z) - Learning to Orient Surfaces by Self-supervised Spherical CNNs [15.554429755106332]
3D表面の標準配向の定義と確実な発見は、多くのコンピュータビジョンとロボティクスアプリケーションにとって鍵となる。
点雲として表される曲面に対する頑健な正準方向の学習の実現可能性を示す。
提案手法は, 自己教師付き訓練手順により生データからこのような特徴マップを学習し, 入力点雲を学習正準方向に変換する回転を頑健に選択する。
論文 参考訳(メタデータ) (2020-11-06T11:43:57Z) - Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic
Segmentation [87.54570024320354]
大規模運転シーンのLiDARセマンティックセマンティックセグメンテーションのための最先端の手法は、しばしば2D空間の点雲を投影して処理する。
3D-to-2Dプロジェクションの問題に取り組むための簡単な解決策は、3D表現を保ち、3D空間の点を処理することである。
我々は3次元シリンダー分割と3次元シリンダー畳み込みに基づくフレームワークをCylinder3Dとして開発し,3次元トポロジの関係と運転シーンの点雲の構造を利用する。
論文 参考訳(メタデータ) (2020-08-04T13:56:19Z) - Pointwise Attention-Based Atrous Convolutional Neural Networks [15.499267533387039]
多数の点を効率的に扱うために,注目度に基づくアトラス畳み込みニューラルネットワークアーキテクチャを提案する。
提案モデルは,3次元セマンティックセグメンテーションタスクにおいて,最も重要な2つの3Dポイントクラウドデータセット上で評価されている。
精度の面では最先端モデルと比較して妥当な性能を達成し、パラメータの数ははるかに少ない。
論文 参考訳(メタデータ) (2019-12-27T13:12:58Z)
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。