論文の概要: Comparing vector fields across surfaces: interest for characterizing the orientations of cortical folds

• arxiv url: http://arxiv.org/abs/2106.07470v1
• Date: Mon, 14 Jun 2021 14:56:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 15:32:38.043568
• Title: Comparing vector fields across surfaces: interest for characterizing the orientations of cortical folds
• Title（参考訳）: 曲面上のベクトル場の比較:皮質の折りたたみの向きを特徴付けるための興味
• Authors: Amine Bohi, Guillaume Auzias and Julien Lef\`evre
• Abstract要約: 本稿では,ベクトル場を原面から共通領域へ輸送する枠組みを提案する。 提案フレームワークはベクトル場上の統計の計算を可能にする。 様々な種類のベクトル場や表面に適用でき、医用画像に高い応用が期待できる。
• 参考スコア（独自算出の注目度）: 0.2578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vectors fields defined on surfaces constitute relevant and useful representations but are rarely used. One reason might be that comparing vector fields across two surfaces of the same genus is not trivial: it requires to transport the vector fields from the original surfaces onto a common domain. In this paper, we propose a framework to achieve this task by mapping the vector fields onto a common space, using some notions of differential geometry. The proposed framework enables the computation of statistics on vector fields. We demonstrate its interest in practice with an application on real data with a quantitative assessment of the reproducibility of curvature directions that describe the complex geometry of cortical folding patterns. The proposed framework is general and can be applied to different types of vector fields and surfaces, allowing for a large number of high potential applications in medical imaging.
• Abstract（参考訳）: 曲面上で定義されるベクトル場は、関連性があり有用な表現を構成するが、ほとんど使われない。 一つの理由は、同じ属の2つの曲面でベクトル場を比較することは自明なものではなく、元の曲面から共通の領域へベクトル場を輸送する必要があるからかもしれない。 本稿では,ベクトル場を共通空間にマッピングし,微分幾何学の概念を用いて,この課題を達成するための枠組みを提案する。 提案フレームワークはベクトル場上の統計の計算を可能にする。 我々は,皮質の折りたたみパターンの複雑な幾何学を記述した曲率方向の再現性を定量的に評価し,実データに適用することに興味を示した。 提案するフレームワークは汎用的であり,様々な種類のベクトル場や表面に適用することができる。

関連論文リスト

• An Intrinsic Vector Heat Network [64.55434397799728]
  本稿では,3次元に埋め込まれた接ベクトル場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。 本研究では, ベクトル値の特徴データを空間的に伝播させるために, トレーニング可能なベクトル熱拡散モジュールを提案する。 また,四面体メッシュ生成の産業的有用性に対する本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-06-14T00:40:31Z)
• On Wasserstein distances for affine transformations of random vectors [1.2836088204932843]
  ランダムベクトルの回転コピーに対して、$mathbbR2$で具体的な下界を与える。 初期データ測度に適用した有益な微分同相写像を生成するアフィン写像の合成に対する上限を導出する。 本研究では,手書き文字やアルファベットのデータセットを模倣するフレームワークを,多様体学習フレームワークに適用する。
  論文  参考訳（メタデータ） (2023-10-05T23:30:41Z)
• Neural Vector Fields: Implicit Representation by Explicit Learning [63.337294707047036]
  ニューラルベクトル場 (Neural Vector Fields, NVF) という新しい3次元表現法を提案する。 メッシュを直接操作するための明示的な学習プロセスを採用するだけでなく、符号なし距離関数(UDF)の暗黙的な表現も採用している。 提案手法は,まず表面への変位クエリを予測し,テキスト再構成として形状をモデル化する。
  論文  参考訳（メタデータ） (2023-03-08T02:36:09Z)
• Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal Charts and Distortion [71.52576837870166]
  我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。 その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。 我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
  論文  参考訳（メタデータ） (2022-07-29T16:55:06Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• Neural Vector Fields for Implicit Surface Representation and Inference [73.25812045209001]
  近年, 3次元形状を正確に表現し, 学習する試みが盛んに行われている。 我々は、3次元空間における単位ベクトルを考慮し、それをベクトル場(Vector Field, VF)と呼ぶ新しい基本表現を開発する。 VF表現の利点は、オープン、クローズド、多層化、平面面の断片化である。
  論文  参考訳（メタデータ） (2022-04-13T17:53:34Z)
• Word2Box: Learning Word Representation Using Box Embeddings [28.080105878687185]
  単語のベクトル表現を学習することは、NLPにおける最も基本的なトピックの1つである。 我々のモデルであるWord2Boxは、単語表現の問題に対する領域ベースアプローチを採用し、単語を$n$次元長方形として表現する。 様々な単語類似性タスク、特にあまり一般的でない単語の性能向上を実証した。
  論文  参考訳（メタデータ） (2021-06-28T01:17:11Z)
• A Differential Geometry Perspective on Orthogonal Recurrent Models [56.09491978954866]
  我々は微分幾何学からのツールと洞察を用いて、直交rnnの新しい視点を提供する。 直交RNNは、発散自由ベクトル場の空間における最適化と見なすことができる。 この観測に動機づけられて、ベクトル場全体の空間にまたがる新しいリカレントモデルの研究を行う。
  論文  参考訳（メタデータ） (2021-02-18T19:39:22Z)
• Practical applications of metric space magnitude and weighting vectors [8.212024590297894]
  距離空間の大きさは、空間内の異なる点の有効数の定量化を目的とした実数である。 計量空間のグローバル等級への各点の寄与は、エム重みベクトルによって符号化され、元の計量空間の基盤となる幾何の多くを捉えている。 驚いたことに、計量空間がユークリッド空間であるとき、重み付けベクトルは境界検出の有効なツールとしても機能する。
  論文  参考訳（メタデータ） (2020-06-24T21:30:55Z)

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。