論文の概要: Statistical analysis of locally parameterized shapes
- arxiv url: http://arxiv.org/abs/2109.03027v1
- Date: Wed, 18 Aug 2021 12:59:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-12 12:46:02.851445
- Title: Statistical analysis of locally parameterized shapes
- Title(参考訳): 局所パラメータ化形状の統計的解析
- Authors: Mohsen Taheri, and J\"orn Schulz
- Abstract要約: アライメントは偽の形状の違いを誘発し、誤った結果や解釈をもたらす可能性がある。
局所座標系に基づく新しい階層形状パラメータ化を提案する。
新たなパラメータ化は形状変形やシミュレーションにも優れている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The alignment of shapes has been a crucial step in statistical shape
analysis, for example, in calculating mean shape, detecting locational
differences between two shape populations, and classification. Procrustes
alignment is the most commonly used method and state of the art. In this work,
we uncover that alignment might seriously affect the statistical analysis. For
example, alignment can induce false shape differences and lead to misleading
results and interpretations. We propose a novel hierarchical shape
parameterization based on local coordinate systems. The local parameterized
shapes are translation and rotation invariant. Thus, the inherent alignment
problems from the commonly used global coordinate system for shape
representation can be avoided using this parameterization. The new
parameterization is also superior for shape deformation and simulation. The
method's power is demonstrated on the hypothesis testing of simulated data as
well as the left hippocampi of patients with Parkinson's disease and controls.
- Abstract(参考訳): 形状のアライメントは、例えば平均形状の計算や2つの形状集団間の位置差の検出、分類において、統計的形状解析において重要なステップであった。
procrustesアライメントは、最も一般的に使用される方法と技術状態である。
本研究では,アライメントが統計的解析に深刻な影響を及ぼす可能性があることを明らかにする。
例えば、アライメントは偽の形状の違いを誘発し、誤った結果や解釈をもたらす可能性がある。
局所座標系に基づく新しい階層形状パラメータ化を提案する。
局所パラメータ化された形状は翻訳と回転不変である。
したがって、このパラメータ化を用いて、形状表現のための一般的なグローバル座標系から固有のアライメント問題を回避できる。
新しいパラメータ化は形状変形やシミュレーションにも優れている。
シミュレーションデータとパーキンソン病およびコントロール患者の左海馬の仮説テストにおいて,本手法のパワーを実証した。
関連論文リスト
- Bi-invariant Geodesic Regression with Data from the Osteoarthritis Initiative [1.024113475677323]
我々はアフィン接続設定を用いた非計量推定器を開発した。
その計算のために,簡単な微分式を必要とする効率的な固定点アルゴリズムを提案する。
論文 参考訳(メタデータ) (2025-02-17T14:20:54Z) - Level-Set Parameters: Novel Representation for 3D Shape Analysis [70.23417107911567]
ニューラルフィールドの最近の発展は、3次元形状の新規で連続的で数値的な表現として符号付き距離関数のレベルセットパラメータをもたらす。
擬似正規分布として定式化し,各データセットに先行する分布を学習することにより,異なる形状の相関関係を確立する。
形状分類,検索,および6次元オブジェクトポーズ推定への応用を通して,新しい表現の可能性を実証する。
論文 参考訳(メタデータ) (2024-12-18T04:50:19Z) - Relative Representations: Topological and Geometric Perspectives [53.88896255693922]
相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。
相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。
第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
論文 参考訳(メタデータ) (2024-09-17T08:09:22Z) - Gradient-Based Feature Learning under Structured Data [57.76552698981579]
異方性設定では、一般的に使用される球面勾配力学は真の方向を回復できないことがある。
バッチ正規化を連想させる適切な重み正規化は、この問題を軽減することができることを示す。
特に、スパイクモデルの下では、勾配に基づくトレーニングのサンプルの複雑さは情報指数とは独立にできる。
論文 参考訳(メタデータ) (2023-09-07T16:55:50Z) - Data-driven reduced-order modelling for blood flow simulations with
geometry-informed snapshots [0.0]
類似しているが異なる領域における血流シミュレーションの効率的な予測法として,データ駆動サロゲートモデルを提案する。
幾何パラメータに対する非侵入的還元次数モデルが適切な分解を用いて構築される。
ラジアル基底関数補間器は、縮小順序モデルの縮小係数を予測するために訓練される。
論文 参考訳(メタデータ) (2023-02-21T21:18:17Z) - Unsupervised diffeomorphic cardiac image registration using
parameterization of the deformation field [6.343400988017304]
本研究では,移動メッシュパラメータ化に基づくエンドツーエンドの非教師付き微分同相変形型登録フレームワークを提案する。
提案手法の有効性を,2次元および3次元心臓MRIスキャンを含む3つの異なるデータセット上で評価することにより検討した。
論文 参考訳(メタデータ) (2022-08-28T19:34:10Z) - Equivariance Discovery by Learned Parameter-Sharing [153.41877129746223]
データから解釈可能な等価性を発見する方法について検討する。
具体的には、モデルのパラメータ共有方式に対する最適化問題として、この発見プロセスを定式化する。
また,ガウスデータの手法を理論的に解析し,研究された発見スキームとオラクルスキームの間の平均2乗ギャップを限定する。
論文 参考訳(メタデータ) (2022-04-07T17:59:19Z) - Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。
分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。
本手法は精度と不確実性の両方を向上することを示す。
論文 参考訳(メタデータ) (2021-09-27T01:09:08Z) - Bayesian Logistic Shape Model Inference: application to cochlea image
segmentation [0.0]
本稿では,医療画像のセグメンテーションのためのパラメトリック形状モデルの推定について述べる。
フレームワークは、汎用形状関数に基づいて、確率的出現確率と事前ラベル確率を定義する。
10パラメータ形状モデルによって制約された臨床CT画像からのコクレア構造のセグメンテーションに適用されます。
論文 参考訳(メタデータ) (2021-05-05T13:21:42Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳(メタデータ) (2020-04-17T12:47:04Z)
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。