論文の概要: GeomNet: A Neural Network Based on Riemannian Geometries of SPD Matrix Space and Cholesky Space for 3D Skeleton-Based Interaction Recognition

• arxiv url: http://arxiv.org/abs/2111.13089v1
• Date: Thu, 25 Nov 2021 13:57:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-29 15:35:06.324415
• Title: GeomNet: A Neural Network Based on Riemannian Geometries of SPD Matrix Space and Cholesky Space for 3D Skeleton-Based Interaction Recognition
• Title（参考訳）: GeomNet:3次元スケルトンに基づく対話認識のためのSPD行列空間とコレスキー空間のリーマン測度に基づくニューラルネットワーク
• Authors: Xuan Son Nguyen
• Abstract要約: 本稿では3次元骨格配列から2人のインタラクションを表現・分類するための新しい手法を提案する。 提案手法は,3次元人間の活動理解のための3つのベンチマーク上での2人インタラクション認識において,競合的な結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 2.817412580574242
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we propose a novel method for representation and classification of two-person interactions from 3D skeleton sequences. The key idea of our approach is to use Gaussian distributions to capture statistics on R n and those on the space of symmetric positive definite (SPD) matrices. The main challenge is how to parametrize those distributions. Towards this end, we develop methods for embedding Gaussian distributions in matrix groups based on the theory of Lie groups and Riemannian symmetric spaces. Our method relies on the Riemannian geometry of the underlying manifolds and has the advantage of encoding high-order statistics from 3D joint positions. We show that the proposed method achieves competitive results in two-person interaction recognition on three benchmarks for 3D human activity understanding.
• Abstract（参考訳）: 本稿では,3次元スケルトン配列から2人インタラクションの表現と分類を行う新しい手法を提案する。 このアプローチの重要な考え方は、ガウス分布を用いて r n 上の統計と対称正定値行列(spd) の空間上の統計を捉えることである。 主な課題は、これらの分散をパラメータ化する方法です。 この目的に向けて、リー群とリーマン対称空間の理論に基づく行列群へのガウス分布の埋め込み法を開発した。 本手法は、基底多様体のリーマン幾何学に依存し、3次元ジョイント位置から高次統計を符号化する利点を持つ。 提案手法は,3つの指標を用いた2人間インタラクション認識において,3次元人間行動理解のための競合結果が得られることを示す。

関連論文リスト

• Individuation of 3D perceptual units from neurogeometry of binocular cells [42.17597521702177]
  我々は citeBCSZ23 で導入されたステレオビジョンに対する神経幾何学的サブリーマンモデルを拡張した。 ニューラルベースアルゴリズムを統合して局所的にステレオ対応を達成し、同時に、対応するポイントをグローバルな知覚単位に整理する新しい対応フレームワークが導入された。
  論文  参考訳（メタデータ） (2024-10-03T18:01:41Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• A Lie Group Approach to Riemannian Batch Normalization [59.48083303101632]
  本稿では,リー群における正規化手法の統一的枠組みを確立する。 我々は3つの異なるリー群構造を持つ対称正定性(SPD)に焦点を当てる。 これらのリー群によって誘導される特定の正規化層は、SPDニューラルネットワークに対して提案される。
  論文  参考訳（メタデータ） (2024-03-17T16:24:07Z)
• The Fisher-Rao geometry of CES distributions [50.50897590847961]
  Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。 楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
  論文  参考訳（メタデータ） (2023-10-02T09:23:32Z)
• Riemannian Multinomial Logistics Regression for SPD Neural Networks [60.11063972538648]
  本稿では,Symmetric Positive Definite (SPD) 行列のための新しいタイプのディープニューラルネットワークを提案する。 我々のフレームワークは、既存のSPDネットワークで最も人気のあるLogEig分類器について、斬新な説明を提供する。 本手法の有効性は,レーダ認識,人行動認識,脳波分類(EEG)の3つの応用で実証された。
  論文  参考訳（メタデータ） (2023-05-18T20:12:22Z)
• Learnable human mesh triangulation for 3D human pose and shape estimation [6.699132260402631]
  関節回転と形状推定の精度は, マルチビュー画像からスキン付き多対人線形モデル(SMPL)に基づくヒューマンメッシュ再構成において, 比較的注目されていない。 本稿では,関節回転・形状再構成の曖昧さとネットワーク学習の困難さを解消する2段階の手法を提案する。 提案手法は, 接合部の回転および形状推定において従来よりも有意に優れており, 接合位置推定では競争性能が向上する。
  論文  参考訳（メタデータ） (2022-08-24T01:11:57Z)
• Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
  本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-21T01:47:17Z)
• U-mesh: Human Correspondence Matching with Mesh Convolutional Networks [15.828285556159026]
  本稿では,パラメータテンプレートモデルを生の走査メッシュに適合させるために,レグレッション(ボトムアップ)と生成(トップダウン)のエレガントな融合を提案する。 最初の大きな貢献は、テンプレート表面への点対応を予測する固有の畳み込みメッシュU-netアーキテクチャである。 FAUST対応課題に対する提案手法の評価を行い,対象者間対応技術の現状を20%(33%)改善する方法について検討した。
  論文  参考訳（メタデータ） (2021-08-15T08:58:45Z)
• Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
  本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。 提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。 メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
  論文  参考訳（メタデータ） (2020-10-23T14:49:02Z)
• Bayesian learning of orthogonal embeddings for multi-fidelity Gaussian Processes [3.564709604457361]
  プロジェクション」マッピングは、事前未知と見なされる正則行列から成り、GPパラメータと共同で推論する必要がある。 提案するフレームワークをGPを用いたマルチ忠実度モデルに拡張し,複数の出力を同時にトレーニングするシナリオを含む。 提案手法の利点は, 産業用ガスタービン用最終段翼の3次元空力最適化に難渋するものである。
  論文  参考訳（メタデータ） (2020-08-05T22:28:53Z)
• Symmetric Positive Semi-definite Riemannian Geometry with Application to Domain Adaptation [7.126737403006778]
  対称正半定値行列(SPSD)の幾何学に関する新しい結果を示す。 本稿では,ドメイン適応(DA)のアルゴリズムを提案し,その性能を2つのアプリケーションで示す。
  論文  参考訳（メタデータ） (2020-07-28T14:39:36Z)

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。