論文の概要: Reconstruction of Convex Polytope Compositions from 3D Point-clouds
- arxiv url: http://arxiv.org/abs/2105.02956v1
- Date: Tue, 27 Apr 2021 00:14:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 10:43:16.788461
- Title: Reconstruction of Convex Polytope Compositions from 3D Point-clouds
- Title(参考訳): 3次元点雲からの凸ポリトープ組成の再構成
- Authors: Markus Friedrich and Pierre-Alain Fayolle
- Abstract要約: 対応する入力ポイントクラウドに完全に適合する凸ポリトープの組成(結合)を再構築することは、難しい最適化の問題です。
本稿ではまず,まず平面の集合を抽出し,次に入力点雲を弱凸クラスタに分割し,各分割に適合する平面の交点として凸多面体の集合を生成するパイプラインを提案する。
最良充填凸ポリトープの探索は、適応面の集合上の最適化問題として定式化し、進化的アルゴリズムを用いて解く。
- 参考スコア(独自算出の注目度): 3.04585143845864
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing a composition (union) of convex polytopes that perfectly fits
the corresponding input point-cloud is a hard optimization problem with
interesting applications in reverse engineering and rigid body dynamics
simulations. We propose a pipeline that first extracts a set of planes, then
partitions the input point-cloud into weakly convex clusters and finally
generates a set of convex polytopes as the intersection of fitted planes for
each partition. Finding the best-fitting convex polytopes is formulated as a
combinatorial optimization problem over the set of fitted planes and is solved
using an Evolutionary Algorithm. For convex clustering, we employ two different
methods and detail their strengths and weaknesses in a thorough evaluation
based on multiple input data-sets.
- Abstract(参考訳): 対応する入力ポイントクラウドに完全に適合する凸ポリトープの合成(結合)を再構成することは、リバースエンジニアリングや剛体動力学シミュレーションで興味深い応用を伴う難しい最適化問題である。
本稿ではまず,まず平面の集合を抽出し,次に入力点雲を弱凸クラスタに分割し,各分割に適合する平面の交点として凸多面体の集合を生成するパイプラインを提案する。
最良適合凸多面体を見つけることは、適合面の集合上の組合せ最適化問題として定式化し、進化的アルゴリズムを用いて解く。
凸クラスタリングには2つの異なる手法を用い,複数の入力データセットに基づく徹底的な評価において,その強みと弱みを詳述する。
関連論文リスト
- Mathematical Programming Algorithms for Convex Hull Approximation with a Hyperplane Budget [0.0]
我々は、すべての正の点と負の点を含む、ほとんどのK面を持つ凸多面体を探索する。
この問題は純粋凸多面体近似の文献で知られている。
私たちの関心は、制約学習の応用の可能性に起因しています。
論文 参考訳(メタデータ) (2024-07-24T15:08:52Z) - Differentiable Convex Polyhedra Optimization from Multi-view Images [29.653374825428614]
本稿では,凸多面体の微分可能レンダリングのための新しい手法を提案する。
暗黙のフィールド監視に依存する最近の手法の限界に対処する。
論文 参考訳(メタデータ) (2024-07-22T14:53:29Z) - Registration of algebraic varieties using Riemannian optimization [0.0]
我々は、同じ物体を表すが、異なる座標系で表される2点雲間の変換を求める問題を考察する。
我々のアプローチは、ポイント・ツー・ポイント対応に基づいておらず、ソース・ポイント・クラウドのすべてのポイントとターゲット・ポイント・クラウドのポイントとを一致させる。
論文 参考訳(メタデータ) (2024-01-16T18:47:38Z) - PolyGNN: Polyhedron-based Graph Neural Network for 3D Building Reconstruction from Point Clouds [22.18061879431175]
PolyGNNは、再構成ポイントクラウドを構築するためのグラフニューラルネットワークである。
多面体分解によって得られる原始体を組み立てることを学ぶ。
都市間および実世界の点雲上での移動可能性解析を行う。
論文 参考訳(メタデータ) (2023-07-17T16:52:25Z) - A Combinatorial Perspective on the Optimization of Shallow ReLU Networks [35.329916555349214]
浅いReLUネットワークを最適化するNPハード問題は、各トレーニング例のアクティベーションパターンの探索として特徴付けられる。
ゾノトープを用いて自然にモデル化できることを示し、その集合は実現可能な活性化パターンの集合であることを示す。
論文 参考訳(メタデータ) (2022-10-01T03:09:02Z) - 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) - Sparse Quadratic Optimisation over the Stiefel Manifold with Application
to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。
そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-30T19:17:35Z) - Differentiable Convolution Search for Point Cloud Processing [114.66038862207118]
本稿では,点雲上での新しい差分畳み込み探索パラダイムを提案する。
純粋にデータ駆動型であり、幾何学的形状モデリングに適した畳み込みのグループを自動生成することができる。
また,内部畳み込みと外部アーキテクチャの同時探索のための共同最適化フレームワークを提案する。
論文 参考訳(メタデータ) (2021-08-29T14:42:03Z) - PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
本稿では,正規化フローを組み込んだPU-Flowについて述べる。
具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。
提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-07-13T07:45:48Z) - Hybrid Trilinear and Bilinear Programming for Aligning Partially
Overlapping Point Sets [85.71360365315128]
多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。
まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。
次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-01-19T04:24:23Z) - Convex Geometry and Duality of Over-parameterized Neural Networks [70.15611146583068]
有限幅2層ReLUネットワークの解析のための凸解析手法を開発した。
正規化学習問題に対する最適解が凸集合の極点として特徴づけられることを示す。
高次元では、トレーニング問題は無限に多くの制約を持つ有限次元凸問題としてキャストできることが示される。
論文 参考訳(メタデータ) (2020-02-25T23:05:33Z)
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。