Fugu-MT 論文翻訳(概要): Fully Steerable 3D Spherical Neurons

論文の概要: Fully Steerable 3D Spherical Neurons

arxiv url: http://arxiv.org/abs/2106.13863v1
Date: Wed, 2 Jun 2021 16:30:02 GMT
ステータス: 処理完了
システム内更新日: 2021-07-04 19:35:49.093363
Title: Fully Steerable 3D Spherical Neurons
Title（参考訳）: フルステアブル3次元球状ニューロン
Authors: Pavlo Melnyk, Michael Felsberg, M{\aa}rten Wadenb\"ack
Abstract要約: 本稿では,球面決定曲面からなり,点雲上で動作可能なフィードフォワード学習方式を提案する。我々の理論の固有の幾何学的3次元構造のため、我々はその原子部分に対して3次元の操舵性制約を導出する。モデルパラメータが推論時にどのように完全に制御可能であるかを示す。
参考スコア（独自算出の注目度）: 14.86655504533083
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Emerging from low-level vision theory, steerable filters found their counterpart in deep learning. Earlier works used the steering theorems and presented convolutional networks equivariant to rigid transformations. In our work, we propose a steerable feed-forward learning-based approach that consists of spherical decision surfaces and operates on point clouds. Due to the inherent geometric 3D structure of our theory, we derive a 3D steerability constraint for its atomic parts, the hypersphere neurons. Exploiting the rotational equivariance, we show how the model parameters are fully steerable at inference time. The proposed spherical filter banks enable to make equivariant and, after online optimization, invariant class predictions for known synthetic point sets in unknown orientations.
Abstract（参考訳）: 低レベルのビジョン理論から生まれたsteerable filterは、ディープラーニングで対応するものを見つけた。初期の研究はステアリング定理を使用し、剛体変換に同値な畳み込みネットワークを提示した。本研究では,球面決定面から構成し,点雲上で操作する,操舵可能なフィードフォワード学習に基づくアプローチを提案する。我々の理論の固有の幾何学的3d構造から、我々はその原子部分である超球ニューロンに対する3dステアビリティ制約を導出する。回転同分散を活用し、モデルパラメータが推論時に完全に制御可能であることを示す。提案する球面フィルタバンクは、オンライン最適化の後、未知方向における既知の合成点集合に対する不変クラス予測を可能にする。

関連論文リスト

ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文参考訳（メタデータ） (2024-03-15T14:35:05Z)
Learning to Predict 3D Rotational Dynamics from Images of a Rigid Body with Unknown Mass Distribution [4.386534439007928]
画像列から3次元回転力学を推定・予測するための物理ベースニューラルネットワークモデルを提案する。本研究は, 回転物体の合成画像列の新たな回転剛体データセットに対するアプローチの有効性を実証する。
論文参考訳（メタデータ） (2023-08-24T17:47:32Z)
Learning Interpretable Dynamics from Images of a Freely Rotating 3D Rigid Body [1.143707646428782]
画像列から3次元回転力学を推定・予測する物理インフォームドニューラルネットワークモデルを提案する。回転立方体と正方形プリズムを一様・一様・非一様に配列した新しい回転剛体データセットに対して,本手法の有効性を実証した。
論文参考訳（メタデータ） (2022-09-23T00:35:22Z)
Shape-Pose Disentanglement using SE(3)-equivariant Vector Neurons [59.83721247071963]
本研究では,点雲を標準形状表現に符号化するための教師なし手法を提案する。エンコーダは安定で一貫性があり、形状のエンコーダは純粋にポーズ不変である。抽出された回転と変換は、同じクラスの異なる入力形状を共通の標準ポーズに意味的に整合させることができる。
論文参考訳（メタデータ） (2022-04-03T21:00:44Z)
SNARF: Differentiable Forward Skinning for Animating Non-Rigid Neural Implicit Shapes [117.76767853430243]
SNARFは多角形メッシュに対する線形ブレンドスキンの利点とニューラル暗黙表面の利点を組み合わせたものである。反復ルート探索を用いて任意の変形点のすべての正準対応を探索するフォワードスキンモデルを提案する。最先端のニューラルネットワークの暗黙的表現と比較すると,このアプローチは,精度を維持しつつ,未認識のポーズを一般化する。
論文参考訳（メタデータ） (2021-04-08T17:54:59Z)
Equivariant Point Network for 3D Point Cloud Analysis [17.689949017410836]
点雲解析のための実効的で実用的なSE(3)(3次元翻訳と回転)同変ネットワークを提案する。まず,6次元の畳み込みを2つの分離可能な畳み込み作用素に分解する新しい枠組みであるSE(3)分離点畳み込みを提案する。第2に,同変特徴の表現性を効果的に活用するアテンション層を導入する。
論文参考訳（メタデータ） (2021-03-25T21:57:10Z)
Concentric Spherical GNN for 3D Representation Learning [53.45704095146161]
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。
論文参考訳（メタデータ） (2021-03-18T19:05:04Z)
Adjoint Rigid Transform Network: Task-conditioned Alignment of 3D Shapes [86.2129580231191]
Adjoint Rigid Transform (ART) Networkは、さまざまな3Dネットワークと統合可能なニューラルネットワークモジュールである。 ARTは入力の形状を学習した標準方向に回転させることを学び、多くのタスクに欠かせない。さらなる研究のために、コードと事前訓練されたモデルをリリースします。
論文参考訳（メタデータ） (2021-02-01T20:58:45Z)
Rotation-Invariant Autoencoders for Signals on Spheres [10.406659081400354]
球面画像に対する回転不変表現の教師なし学習の問題について検討する。特に、$S2$と$SO(3)$の畳み込み層からなるオートエンコーダアーキテクチャを設計する。複数のデータセットの実験は、クラスタリング、検索、分類アプリケーションにおける学習された表現の有用性を示す。
論文参考訳（メタデータ） (2020-12-08T15:15:03Z)
Rotation-Invariant Point Convolution With Multiple Equivariant Alignments [1.0152838128195467]
回転同変アライメントを用いることで、任意の畳み込み層を回転不変にすることができることを示す。このコア層では、オブジェクト分類とセマンティックセグメンテーションの両方における最先端の結果を改善する回転不変アーキテクチャを設計します。
論文参考訳（メタデータ） (2020-12-07T20:47:46Z)
Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
論文参考訳（メタデータ） (2019-12-27T13:51:17Z)

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。