論文の概要: Partial 3D Object Retrieval using Local Binary QUICCI Descriptors and
Dissimilarity Tree Indexing
- arxiv url: http://arxiv.org/abs/2107.03368v1
- Date: Wed, 7 Jul 2021 17:30:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-08 14:00:11.345100
- Title: Partial 3D Object Retrieval using Local Binary QUICCI Descriptors and
Dissimilarity Tree Indexing
- Title(参考訳): 局所二元QUICCI記述子と異種木インデックスを用いた部分的3次元オブジェクト検索
- Authors: Bart Iver van Blokland and Theoharis Theoharis
- Abstract要約: Quick Intersection Count Change Image(QUICCI)に基づく高精度かつ効率的な部分的3次元オブジェクト検索のための完全パイプラインの提案
QUICCIクエリ記述子の変更が、部分的検索にどのように理想的であるかを示す。
局所記述子の広い空間の探索を著しく高速化する「異種木」という索引付け構造を提案する。
- 参考スコア(独自算出の注目度): 2.922007656878633
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A complete pipeline is presented for accurate and efficient partial 3D object
retrieval based on Quick Intersection Count Change Image (QUICCI) binary local
descriptors and a novel indexing tree. It is shown how a modification to the
QUICCI query descriptor makes it ideal for partial retrieval. An indexing
structure called Dissimilarity Tree is proposed which can significantly
accelerate searching the large space of local descriptors; this is applicable
to QUICCI and other binary descriptors. The index exploits the distribution of
bits within descriptors for efficient retrieval. The retrieval pipeline is
tested on the artificial part of SHREC'16 dataset with near-ideal retrieval
results.
- Abstract(参考訳): 完全パイプラインは、Quick Intersection Count Change Image (QUICCI)バイナリローカル記述子と新しいインデックスツリーに基づいて、正確で効率的な部分的な3Dオブジェクトの検索を行う。
また,quicciクエリ記述子の変更により,部分検索が理想的になることを示す。
局所記述子の広い空間の探索を著しく高速化する「異種木」という索引構造が提案され、QUICCIや他のバイナリ記述子に適用できる。
このインデックスは、効率的な検索のためにディスクリプタ内のビットの分布を利用する。
検索パイプラインは、ほぼ理想に近い検索結果を持つshrec'16データセットの人工的な部分でテストされる。
関連論文リスト
- WISK: A Workload-aware Learned Index for Spatial Keyword Queries [46.96314606580924]
本稿では,空間的キーワードクエリの学習指標であるWISKを提案する。
We show that WISK achieve up to 8x speedup in querying time with comparable storage overhead。
論文 参考訳(メタデータ) (2023-02-28T03:45:25Z) - Autoregressive Search Engines: Generating Substrings as Document
Identifiers [53.0729058170278]
自動回帰言語モデルは、回答を生成するデファクト標準として現れています。
これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。
本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
論文 参考訳(メタデータ) (2022-04-22T10:45:01Z) - A Learned Index for Exact Similarity Search in Metric Spaces [25.330353637669386]
LIMSは、学習したインデックスを構築するために、データクラスタリングとピボットベースのデータ変換技術を使用することが提案されている。
機械学習モデルはディスク上の各データレコードの位置を近似するために開発された。
実世界のデータセットと合成データセットに関する大規模な実験は、従来の指標と比較してLIMSの優位性を示している。
論文 参考訳(メタデータ) (2022-04-21T11:24:55Z) - A Semantic Indexing Structure for Image Retrieval [9.889773269004241]
セマンティックインデックス構造(SIS)と呼ばれる新しい分類に基づくインデックス構造を提案する。
SISはクラスタリングセンタではなくセマンティックカテゴリを使用して、データベースパーティションを生成する。
SISは最先端のモデルと比較して優れたパフォーマンスを実現している。
論文 参考訳(メタデータ) (2021-09-14T11:12:30Z) - Sketches image analysis: Web image search engine usingLSH index and DNN
InceptionV3 [0.0]
ディープ機能で高速な類似度検索を可能にするために、Locality Sensitive Hashing(LSH) Index上にWebイメージ検索エンジンを実装します。
画像からの深い特徴抽出に転送学習を利用する。
論文 参考訳(メタデータ) (2021-05-03T20:01:54Z) - Combined Depth Space based Architecture Search For Person
Re-identification [70.86236888223569]
個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。
本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。
そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
論文 参考訳(メタデータ) (2021-04-09T02:40:01Z) - Trilevel Neural Architecture Search for Efficient Single Image
Super-Resolution [127.92235484598811]
本稿では,高効率単一画像超解像(SR)のための3レベルニューラルネットワーク探索法を提案する。
離散探索空間をモデル化するために、離散探索空間に新たな連続緩和を適用し、ネットワークパス、セル操作、カーネル幅の階層的混合を構築する。
階層型スーパーネット方式による最適化を行うため,効率的な探索アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-01-17T12:19:49Z) - The Case for Learned Spatial Indexes [62.88514422115702]
我々は、空間範囲の問合せに答えるために、最先端の学習した多次元インデックス構造(すなわちFlood)から提案した手法を用いる。
i) パーティション内の機械学習検索は、1次元でフィルタリングを使用する場合の2進探索よりも11.79%速く、39.51%高速であることを示す。
また、2次元でフィルタする最も近い競合相手の1.23倍から1.83倍の速さで機械学習インデックスを精査する。
論文 参考訳(メタデータ) (2020-08-24T12:09:55Z) - An Indexing Scheme and Descriptor for 3D Object Retrieval Based on Local
Shape Querying [1.7188280334580193]
局所形状問合せのためのハミング木と呼ばれるハミング距離に基づくバイナリ記述子インデックス方式を提案する。
Quick Intersection Count Change Image (QUICCI)と呼ばれる新しいバイナリクラッタ耐性ディスクリプタも導入された。
論文 参考訳(メタデータ) (2020-08-07T00:46:58Z) - Progressively Pretrained Dense Corpus Index for Open-Domain Question
Answering [87.32442219333046]
本稿では,段落エンコーダを事前学習するための簡易かつ資源効率の高い手法を提案する。
本手法は,事前学習に7倍の計算資源を使用する既存の高密度検索法より優れている。
論文 参考訳(メタデータ) (2020-04-30T18:09:50Z)
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。