論文の概要: SCR: Smooth Contour Regression with Geometric Priors

• arxiv url: http://arxiv.org/abs/2202.03784v1
• Date: Tue, 8 Feb 2022 11:07:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-09 22:59:39.132380
• Title: SCR: Smooth Contour Regression with Geometric Priors
• Title（参考訳）: SCR: 幾何学的優先順位を持つ滑らかな輪郭回帰
• Authors: Gaetan Bahl, Lionel Daniel, Florent Lafarge
• Abstract要約: SCRは、分解能のないオブジェクトの輪郭を複雑な周期関数としてキャプチャする手法である。 我々は、人気のあるCOCO 2017インスタンスセグメンテーションデータセットでSCRをベンチマークし、既存のアルゴリズムに対する競争力を示す。 ネットワークのコンパクトバージョンも設計し、幅広いパワーターゲットを持つ組み込みハードウェアをベンチマークします。
• 参考スコア（独自算出の注目度）: 10.141085397402314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While object detection methods traditionally make use of pixel-level masks or bounding boxes, alternative representations such as polygons or active contours have recently emerged. Among them, methods based on the regression of Fourier or Chebyshev coefficients have shown high potential on freeform objects. By defining object shapes as polar functions, they are however limited to star-shaped domains. We address this issue with SCR: a method that captures resolution-free object contours as complex periodic functions. The method offers a good compromise between accuracy and compactness thanks to the design of efficient geometric shape priors. We benchmark SCR on the popular COCO 2017 instance segmentation dataset, and show its competitiveness against existing algorithms in the field. In addition, we design a compact version of our network, which we benchmark on embedded hardware with a wide range of power targets, achieving up to real-time performance.
• Abstract（参考訳）: オブジェクト検出手法は伝統的にピクセルレベルのマスクやバウンディングボックスを使用するが、ポリゴンやアクティブな輪郭などの代替表現が最近出現している。 それらのうち、フーリエ係数やチェビシェフ係数の回帰に基づく手法は、自由形式の対象に対して高いポテンシャルを示した。 物体の形を極関数として定義することで、それらは星型領域に限定される。 本稿では,分解能のないオブジェクト輪郭を複雑な周期関数として捉える手法であるSCRを用いてこの問題に対処する。 本手法は, 効率の良い幾何学形状事前設計により, 精度とコンパクト性を両立させる。 人気のあるcoco 2017インスタンスセグメンテーションデータセットでscrをベンチマークし、この分野の既存のアルゴリズムとの競争力を示す。 さらに、当社のネットワークのコンパクトバージョンを設計し、幅広い電力ターゲットで組み込みハードウェアをベンチマークし、リアルタイムパフォーマンスを実現しています。

関連論文リスト

• Segmenting objects with Bayesian fusion of active contour models and convnet priors [0.729597981661727]
  本稿では,自然資源モニタリング(NRM)画像を対象とした新しい事例分割手法を提案する。 我々は、個々の物体の輪郭を学習する際に、形状、位置、位置の先行を組み込むベイズ最大値後部推論として問題を定式化する。 実験では、個々の枯木樹冠と正確な輪郭を分割する、挑戦的で現実的な問題に取り組む。
  論文  参考訳（メタデータ） (2024-10-09T20:36:43Z)
• Geometry-aware Feature Matching for Large-Scale Structure from Motion [10.645087195983201]
  大規模シナリオでは重なりが小さい場合にギャップを埋めるために,カラーキューに加えて幾何学的手がかりを導入する。 提案手法は, 検出器フリー法からの高密度対応が幾何的に整合性を持ち, 精度が高いことを保証する。 ベンチマークデータセットにおける最先端の機能マッチングメソッドよりも優れています。
  論文  参考訳（メタデータ） (2024-09-03T21:41:35Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
  KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。 オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
  論文  参考訳（メタデータ） (2024-03-15T08:44:56Z)
• Leveraging Positional Encoding for Robust Multi-Reference-Based Object 6D Pose Estimation [21.900422840817726]
  物体の姿勢を正確に推定することは、コンピュータビジョンとロボット工学において重要な課題である。 本稿では,これらの制約を分析し,克服するための新しい戦略を提案する。 Linemod、Linemod-Occlusion、およびYCB-Videoデータセットに関する我々の実験は、我々のアプローチが既存の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-29T16:42:15Z)
• CRA-PCN: Point Cloud Completion with Intra- and Inter-level Cross-Resolution Transformers [29.417270066061864]
  局所的な注意機構を持つクロスレゾリューションアグリゲーションを効率的に行うクロスレゾリューショントランスを提案する。 我々は2種類のクロス・リゾリューション・トランスフォーマーを1つのアップサンプリングブロックに統合して点生成を行い、粗い方法でCRA-PCNを構築し、完全な形状を漸進的に予測する。
  論文  参考訳（メタデータ） (2024-01-03T05:57:39Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Geometric Disentanglement by Random Convex Polytopes [3.6852491526879683]
  深層学習から得られた表現の質を測定するための新しい幾何学的手法を提案する。 提案手法はランダム・ポリトープ記述法(Random Polytope Descriptor)と呼ばれ、ランダム・凸・ポリトープの構成に基づくデータポイントの効率的な記述を提供する。
  論文  参考訳（メタデータ） (2020-09-29T13:16:26Z)
• Geometry Constrained Weakly Supervised Object Localization [55.17224813345206]
  弱教師付きオブジェクトローカライゼーションのための幾何制約付きネットワークであるGC-Netを提案する。 検出器は、幾何学的形状を記述する係数の集合によって定義された物体の位置を予測する。 ジェネレータは、得られたマスクされた画像を入力として、オブジェクトとバックグラウンドの2つの補完的な分類タスクを実行する。 従来のアプローチとは対照的に、GC-Netはエンドツーエンドでトレーニングされ、後処理なしでオブジェクトの位置を予測する。
  論文  参考訳（メタデータ） (2020-07-19T17:33:42Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)

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。