論文の概要: Learning to solve geometric construction problems from images
- arxiv url: http://arxiv.org/abs/2106.14195v1
- Date: Sun, 27 Jun 2021 10:47:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-30 03:26:00.150722
- Title: Learning to solve geometric construction problems from images
- Title（参考訳）: 画像からの幾何学的構成問題の解法
- Authors: J. Macke, J. Sedlar, M. Olsak, J. Urban, J. Sivic
- Abstract要約: この方法は、ユークリダの最初の6レベルパックから、平均92%の精度で68種類の幾何学的構成問題を解くことを学ぶ。
この難易度の幾何学的構成問題を解くために、純粋に画像に基づく学習が訓練されたのは、これが初めてである、と私たちは信じている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We describe a purely image-based method for finding geometric constructions
with a ruler and compass in the Euclidea geometric game. The method is based on
adapting the Mask R-CNN state-of-the-art image processing neural architecture
and adding a tree-based search procedure to it. In a supervised setting, the
method learns to solve all 68 kinds of geometric construction problems from the
first six level packs of Euclidea with an average 92% accuracy. When evaluated
on new kinds of problems, the method can solve 31 of the 68 kinds of Euclidea
problems. We believe that this is the first time that a purely image-based
learning has been trained to solve geometric construction problems of this
difficulty.
- Abstract（参考訳）: ユークリダ幾何学ゲームにおける定規とコンパスによる幾何学的構成を見つけるための純画像ベース手法について述べる。
この方法は、Mask R-CNNの最先端の画像処理ニューラルアーキテクチャに適応し、木に基づく探索手順を付加することに基づいている。
教師付き設定では、平均92%の精度で、ユークリッドの最初の6つのレベルパックから68種類の幾何学的構成問題を全て解くことを学習する。
新規な問題について評価すると、68種類のユークリッド問題の31を解くことができる。
この難易度の幾何学的構成問題を解くために、純粋に画像に基づく学習が訓練されたのはこれが初めてであると考えている。
関連論文リスト
- PS-CAD: Local Geometry Guidance via Prompting and Selection for CAD Reconstruction [86.726941702182]
再構成ネットワークPS-CADに幾何学的ガイダンスを導入する。
我々は、現在の再構成が点雲としての完備モデルと異なる曲面の幾何学を提供する。
第二に、幾何学的解析を用いて、候補面に対応する平面的プロンプトの集合を抽出する。
論文 参考訳（メタデータ） (2024-05-24T03:43:55Z) - Geometric Constraints in Deep Learning Frameworks: A Survey [12.021629185200807]
ステレオフォトグラム法はシーン理解の新たな技術である。
幾何ベースのフレームワークと深層学習ベースのフレームワークの重複について検討する。
本稿では、現代のディープラーニングフレームワークで使用される制約を規定する、一般的な幾何学のための新しい分類法を提案する。
論文 参考訳（メタデータ） (2024-03-19T04:41:09Z) - FGeo-TP: A Language Model-Enhanced Solver for Geometry Problems [1.137457877869062]
本稿では,FGeo-TP (Theorem Predictor)を導入し,この言語モデルを用いて定理列の予測を行い,幾何学的問題を解く。
本研究では,FormalGeo7kデータセット上での言語モデル強化FGeo-TPの問題解決率を著しく向上させることを示す。
論文 参考訳（メタデータ） (2024-02-14T09:44:28Z) - Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。
提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。
本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
論文 参考訳（メタデータ） (2024-02-08T17:57:59Z) - G-LLaVA: Solving Geometric Problem with Multi-Modal Large Language Model [124.68242155098189]
大規模言語モデル(LLM)は、人間レベルの推論と生成能力に顕著な習熟性を示している。
G-LLaVAは幾何学的問題の解法において例外的な性能を示し、7Bパラメータしか持たないMathVistaベンチマークにおいて GPT-4-V を著しく上回っている。
論文 参考訳（メタデータ） (2023-12-18T17:36:20Z) - FormalGeo: An Extensible Formalized Framework for Olympiad Geometric
Problem Solving [9.73597821684857]
これは、私たちが過去3年間に達成した一連の研究の中で、初めての論文です。
本稿では,一貫した平面幾何学システムを構築した。
これは、IMOレベルの平面幾何学の課題と、可読性のあるAI自動推論の間に重要な橋渡しとなる。
論文 参考訳（メタデータ） (2023-10-27T09:55:12Z) - UniGeo: Unifying Geometry Logical Reasoning via Reformulating
Mathematical Expression [127.68780714438103]
計算と証明の2つの主要な幾何学問題は、通常2つの特定のタスクとして扱われる。
我々は4,998の計算問題と9,543の証明問題を含むUniGeoという大規模統一幾何問題ベンチマークを構築した。
また,複数タスクの幾何変換フレームワークであるGeoformerを提案し,計算と証明を同時に行う。
論文 参考訳（メタデータ） (2022-12-06T04:37:51Z) - Learning Geometry-Dependent and Physics-Based Inverse Image
Reconstruction [9.565653662306806]
本稿では,その基盤となる幾何学と物理を活かした逆画像の学習手法を提案する。
まず,未知変数と計測変数を記述可能な非ユークリッド符号化復号ネットワークを提案する。
次に、2つの領域間の幾何依存物理学を2部グラフで明示的にモデル化することで学習する。
論文 参考訳（メタデータ） (2020-07-18T21:53:27Z) - Neural Topological SLAM for Visual Navigation [112.73876869904]
意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。
本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
論文 参考訳（メタデータ） (2020-05-25T17:56:29Z) - Deep 3D Portrait from a Single Image [54.634207317528364]
1枚の肖像画から人間の頭部の3次元形状を復元するための学習に基づくアプローチを提案する。
顔画像から3次元頭部再構成を学習するための2段階の幾何学的学習手法を提案する。
提案手法の精度を3次元画像と2次元画像のポーズ操作の両方で評価した。
論文 参考訳（メタデータ） (2020-04-24T08:55:37Z)
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。