論文の概要: Coordinate descent heuristics for the irregular strip packing problem of
rasterized shapes
- arxiv url: http://arxiv.org/abs/2104.04525v1
- Date: Fri, 9 Apr 2021 08:55:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 13:57:12.775016
- Title: Coordinate descent heuristics for the irregular strip packing problem of
rasterized shapes
- Title（参考訳）: ラスタ化形状の不規則なストリップ包装問題に対する座標降下ヒューリスティックス
- Authors: Shunji Umetani and Shohei Murakami
- Abstract要約: 計算形状の不規則なストリップパッキング問題を検討する。
一対の走査線を用いてオーバーラップをチェックする効率的なアルゴリズムを開発した。
その結果,提案アルゴリズムは適切な時間内に高分解能で十分に高密度なレイアウトが得られることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We consider the irregular strip packing problem of rasterized shapes, where a
given set of pieces of irregular shapes represented in pixels should be placed
into a rectangular container without overlap. The rasterized shapes enable us
to check overlap without any exceptional handling due to geometric issues,
while they often require much memory and computational effort in
high-resolution. We develop an efficient algorithm to check overlap using a
pair of scanlines that reduces the complexity of rasterized shapes by merging
consecutive pixels in each row and column into strips with unit width,
respectively. Based on this, we develop coordinate descent heuristics that
repeat a line search in the horizontal and vertical directions alternately.
Computational results for test instances show that the proposed algorithm
obtains sufficiently dense layouts of rasterized shapes in high-resolution
within a reasonable computation time.
- Abstract（参考訳）: 画素で表現された不規則な形状のセットを重なりなく長方形容器に配置するラスタライズ形状の不規則ストリップパッキング問題を考える。
ラスタ化された形状は、幾何学的な問題による特別な処理なしに重複をチェックできますが、高い解像度で多くのメモリと計算労力を必要とします。
本研究では,各列の連続画素を単位幅のストリップにマージすることにより,ラスタ化形状の複雑さを低減し,重ね合わせをチェックする効率的なアルゴリズムを開発した。
そこで我々は,水平方向と垂直方向の直線探索を交互に繰り返す座標降下ヒューリスティックを開発した。
テストインスタンスの計算結果から,提案アルゴリズムは合理的な計算時間内に高分解能のラスタ化形状を十分に高密度にレイアウトすることを示した。
関連論文リスト
- AdaContour: Adaptive Contour Descriptor with Hierarchical Representation [52.381359663689004]
既存の角度ベースの輪郭記述子は、星以外の形状の損失表現に悩まされる。
AdaConは、他のディスクリプタよりも正確に形を表現できる。
論文 参考訳（メタデータ） (2024-04-12T07:30:24Z) - Deformation-Guided Unsupervised Non-Rigid Shape Matching [7.327850781641328]
非厳密な形状マッチングのための教師なしデータ駆動方式を提案する。
本手法は,3次元スキャナを用いたディジタル形状のマッチングにおいて特に堅牢である。
論文 参考訳（メタデータ） (2023-11-27T09:55:55Z) - Geometrically Consistent Partial Shape Matching [50.29468769172704]
3次元形状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において重要な問題である。
しばしば無視されるが、整合幾何学の重要な性質は整合性である。
本稿では,新しい整数型線形計画部分形状整合式を提案する。
論文 参考訳（メタデータ） (2023-09-10T12:21:42Z) - Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。
まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。
本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文 参考訳（メタデータ） (2023-02-16T10:40:55Z) - Unsupervised Deep Multi-Shape Matching [15.050801537501462]
3次元形状マッチングは、コンピュータビジョンとコンピュータグラフィックスにおける長年の問題である。
本稿では, サイクル一貫性のあるマルチマッチングを実現するための, 深層多形マッチング手法を提案する。
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している。
論文 参考訳（メタデータ） (2022-07-20T01:22:08Z) - Implicit Neural Representation for Mesh-Free Inverse Obstacle Scattering [21.459567997723376]
多層パーセプトロンのレベルセットとしての形状のインプシット表現は、最近、形状解析、圧縮、再構成タスクで栄えている。
メッシュフリーで逆障害物散乱問題を解決するための暗黙的ニューラルネットワーク表現に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-04T17:16:09Z) - A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D
Shape Matching [69.14632473279651]
本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。
従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
論文 参考訳（メタデータ） (2022-04-27T09:47:47Z) - Deep Rectangling for Image Stitching: A Learning Baseline [57.76737888499145]
我々は不規則な境界やシーンに大きな多様性を持つ最初の画像縫合整形データセットを構築した。
実験では、従来の方法よりも定量的にも質的にも優位性を示す。
論文 参考訳（メタデータ） (2022-03-08T03:34:10Z) - 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) - Instant recovery of shape from spectrum via latent space connections [33.83258865005668]
ラプラシアンスペクトルから形状を復元する最初の学習法を提案する。
自動エンコーダが与えられた場合、我々のモデルはサイクル整合モジュールの形で潜在ベクトルを固有値列にマッピングする。
我々のデータ駆動型アプローチは、計算コストのごく一部でより正確な結果を提供しながら、事前の手法で必要となるアドホック正規化器の必要性を置き換える。
論文 参考訳（メタデータ） (2020-03-14T00:48:34Z)
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。