論文の概要: Geodesic squared exponential kernel for non-rigid shape registration

• arxiv url: http://arxiv.org/abs/2112.11853v1
• Date: Wed, 22 Dec 2021 13:01:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-23 15:24:31.065463
• Title: Geodesic squared exponential kernel for non-rigid shape registration
• Title（参考訳）: 非剛体形状登録のための測地的二乗指数核
• Authors: Florent Jousse (UCA, Qc, EPIONE), Xavier Pennec (UCA, EPIONE), Herv\'e Delingette (UCA, EPIONE), Matilde Gonzalez (Qc)
• Abstract要約: この研究は、3Dスキャンの非剛性登録の問題に対処する。 ガウスプロセス型モデルのためのジオデシックに基づく新しいカーネルを提案する。 本研究では,ジオデシック2乗指数カーネルが,顔登録作業において,技術カーネルの状態よりもはるかに優れた性能を示すことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work addresses the problem of non-rigid registration of 3D scans, which is at the core of shape modeling techniques. Firstly, we propose a new kernel based on geodesic distances for the Gaussian Process Morphable Models (GPMMs) framework. The use of geodesic distances into the kernel makes it more adapted to the topological and geometric characteristics of the surface and leads to more realistic deformations around holes and curved areas. Since the kernel possesses hyperparameters we have optimized them for the task of face registration on the FaceWarehouse dataset. We show that the Geodesic squared exponential kernel performs significantly better than state of the art kernels for the task of face registration on all the 20 expressions of the FaceWarehouse dataset. Secondly, we propose a modification of the loss function used in the non-rigid ICP registration algorithm, that allows to weight the correspondences according to the confidence given to them. As a use case, we show that we can make the registration more robust to outliers in the 3D scans, such as non-skin parts.
• Abstract（参考訳）: 本研究は形状モデリング技術の核となる3次元スキャンの非剛性登録の問題に対処する。 まず,Gaussian Process Morphable Models (GPMM) フレームワークのための測地距離に基づく新しいカーネルを提案する。 核への測地線距離の使用は、表面の位相的および幾何学的特性に適応し、穴や湾曲した領域の周りのより現実的な変形をもたらす。 カーネルはハイパーパラメータを持っているので、FaceWarehouseデータセットの顔登録のタスクに最適化しました。 その結果,Geodesic二乗指数カーネルは,FaceWarehouseデータセットの20式すべてに対する顔登録処理において,技術カーネルの状態よりもはるかに優れた性能を示すことがわかった。 第二に,非リギッドicp登録アルゴリズムにおける損失関数の修正を提案し,それらに対する信頼度に応じて対応度を重み付ける。 ユースケースとして,非皮膚部分などの3Dスキャンにおいて,アウトレーヤに対してより堅牢な登録が可能であることを示す。

関連論文リスト

• 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
  既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。 本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。 提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-11-01T12:50:38Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• NeuroGF: A Neural Representation for Fast Geodesic Distance and Path Queries [77.04220651098723]
  本稿では,ニューラル暗黙関数を用いた3次元メッシュモデル上での測地線表現の試みについて述べる。 具体的には、与えられたメッシュの全対測地線を表現するために学習されたニューロ測地場(NeuroGF)を紹介する。 NeuroGFは、単一ソースのオールデスティネーション(SSAD)とポイント・ツー・ポイントの測地学を解く上で、非常に優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-01T13:32:21Z)
• Probabilistic Registration for Gaussian Process 3D shape modelling in the presence of extensive missing data [63.8376359764052]
  本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。 様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
  論文  参考訳（メタデータ） (2022-03-26T16:48:27Z)
• Towards Fine-grained 3D Face Dense Registration: An Optimal Dividing and Diffusing Method [17.38748022631488]
  3D&2D顔解析における3D面間のDense-to-vertex対応は基本的かつ困難な問題である。 本稿では,次元劣化問題,すなわち直線の比例分断による密度登録を再検討する。 我々は最終解に一意に到達するために反復分割拡散法を用いる。
  論文  参考訳（メタデータ） (2021-09-23T08:31:35Z)
• Self-supervised Geometric Perception [96.89966337518854]
  自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。 また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
  論文  参考訳（メタデータ） (2021-03-04T15:34:43Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Cortical surface registration using unsupervised learning [8.57142014602892]
  非剛性皮質登録は、ヒト大脳皮質の幾何学的複雑さのために重要かつ困難な課題である。 球面を2次元平面に投影することで生じる歪みにより,近年の学習に基づく表面面の手法は粗悪な結果をもたらす。 SphereMorphは、これらの問題に対処するディープネットワークを用いた皮質表面の微分型登録フレームワークである。
  論文  参考訳（メタデータ） (2020-04-09T15:59:13Z)

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。