論文の概要: Using Machine Learning to Detect Rotational Symmetries from Reflectional
Symmetries in 2D Images
- arxiv url: http://arxiv.org/abs/2201.06594v1
- Date: Mon, 17 Jan 2022 19:14:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-20 07:12:25.550567
- Title: Using Machine Learning to Detect Rotational Symmetries from Reflectional
Symmetries in 2D Images
- Title(参考訳): 機械学習による2次元画像の反射対称性からの回転対称性の検出
- Authors: Koen Ponse, Anna V. Kononova, Maria Loleyt, Bas van Stein
- Abstract要約: 本稿では、異なる最先端自動対称性検出アルゴリズムを比較して後者を支援することに焦点を当てる。
画像中の局所対称性を見つけ、検出された対称性の選択を改善し、別の対称性タイプ(回転)を特定するための後処理の改善を提案する。
本研究では,局所対称性を検出する拡張アルゴリズムと,回転対称性を分類する機械学習モデルの性能を実証し,解析する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated symmetry detection is still a difficult task in 2021. However, it
has applications in computer vision, and it also plays an important part in
understanding art. This paper focuses on aiding the latter by comparing
different state-of-the-art automated symmetry detection algorithms. For one of
such algorithms aimed at reflectional symmetries, we propose post-processing
improvements to find localised symmetries in images, improve the selection of
detected symmetries and identify another symmetry type (rotational). In order
to detect rotational symmetries, we contribute a machine learning model which
detects rotational symmetries based on provided reflection symmetry axis pairs.
We demonstrate and analyze the performance of the extended algorithm to detect
localised symmetries and the machine learning model to classify rotational
symmetries.
- Abstract(参考訳): 自動対称性検出は2021年でも難しい課題である。
しかし、コンピュータビジョンには応用があり、芸術を理解する上でも重要な役割を果たしている。
本稿では、異なる最先端自動対称性検出アルゴリズムを比較して後者を支援することに焦点を当てる。
反射対称性を対象とするアルゴリズムの1つとして,画像の局所的対称性の探索,検出された対称性の選択の改善,他の対称性タイプ(回転型)の同定のための後処理改善を提案する。
回転対称性を検出するために,提案した反射対称性軸対に基づいて回転対称性を検出する機械学習モデルを提案する。
本研究では,局所対称性を検出する拡張アルゴリズムと,回転対称性を分類する機械学習モデルの性能を実証し,解析する。
関連論文リスト
- Robust Symmetry Detection via Riemannian Langevin Dynamics [39.342336146118015]
本稿では, 従来の対称性検出技術と, 生成モデリングの最近の進歩を融合した新しい対称性検出手法を提案する。
具体的には、騒音に対するロバスト性を高めるために、対称性空間にランゲヴィン力学を適用する。
提案手法は雑音に対して頑健であるだけでなく,部分対称性と大域対称性の両方を識別できることを示す様々な形状に関する実験結果を提供する。
論文 参考訳(メタデータ) (2024-09-18T02:28:20Z) - The Empirical Impact of Neural Parameter Symmetries, or Lack Thereof [50.49582712378289]
ニューラル・ネットワーク・アーキテクチャの導入により,ニューラル・パラメータ・対称性の影響について検討する。
我々は,パラメータ空間対称性を低減するために,標準的なニューラルネットワークを改良する2つの手法を開発した。
実験により,パラメータ対称性の経験的影響に関する興味深い観察がいくつか示された。
論文 参考訳(メタデータ) (2024-05-30T16:32:31Z) - Partial Symmetry Detection for 3D Geometry using Contrastive Learning
with Geodesic Point Cloud Patches [10.48309709793733]
我々は,測地線点雲パッチの回転,反射,翻訳,スケール不変な局所形状の特徴を学習することを提案する。
この曖昧な問題に対して,本手法は複数の有効な解を抽出可能であることを示す。
検出された対称性を領域成長アルゴリズムと組み合わせて下流タスクを実証する。
論文 参考訳(メタデータ) (2023-12-13T15:48:50Z) - On discrete symmetries of robotics systems: A group-theoretic and
data-driven analysis [38.92081817503126]
力学系の離散的形態対称性について検討する。
これらの対称性は、系の形態学における1つ以上の平面/対称性の軸の存在から生じる。
我々はこれらの対称性をデータ拡張と$G$-equivariant Neural Networkを用いて活用する。
論文 参考訳(メタデータ) (2023-02-21T04:10:16Z) - Oracle-Preserving Latent Flows [58.720142291102135]
我々はラベル付きデータセット全体にわたって複数の非自明な連続対称性を同時に発見するための方法論を開発する。
対称性変換と対応するジェネレータは、特別に構築された損失関数で訓練された完全連結ニューラルネットワークでモデル化される。
この研究における2つの新しい要素は、縮小次元の潜在空間の使用と、高次元のオラクルに関して不変な変換への一般化である。
論文 参考訳(メタデータ) (2023-02-02T00:13:32Z) - Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。
特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。
測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
論文 参考訳(メタデータ) (2022-04-04T12:24:34Z) - On the Importance of Asymmetry for Siamese Representation Learning [53.86929387179092]
シームズネットワークは、2つの並列エンコーダと概念的に対称である。
ネットワーク内の2つのエンコーダを明確に区別することで,非対称性の重要性について検討する。
非対称設計による改善は、より長いトレーニングスケジュール、複数の他のフレームワーク、より新しいバックボーンに一般化されている。
論文 参考訳(メタデータ) (2022-04-01T17:57:24Z) - Reflection and Rotation Symmetry Detection via Equivariant Learning [40.61825212385055]
我々は、EquiSymと呼ばれる対称性検出のためのグループ同変畳み込みネットワークを導入する。
DENse と Diverse symmetric (DENDI) という新しいデータセットを提案し、既存の反射・回転対称性検出のためのベンチマークの制限を緩和する。
実験により,LDRSおよびDENDIデータセットの対称性検出において,本手法が芸術の状態を達成できることが確認された。
論文 参考訳(メタデータ) (2022-03-31T04:18:33Z) - Symmetry-Enhanced Attention Network for Acute Ischemic Infarct
Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。
提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。
提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文 参考訳(メタデータ) (2021-10-11T07:13:26Z) - SymmetryNet: Learning to Predict Reflectional and Rotational Symmetries
of 3D Shapes from Single-View RGB-D Images [26.38270361331076]
本稿では3次元物体の反射対称性と回転対称性の両方を予測できるエンドツーエンドのディープニューラルネットワークを提案する。
単視点RGB-D画像に基づく3次元対称性検出のベンチマークにも貢献する。
論文 参考訳(メタデータ) (2020-08-02T14:10:09Z)
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。