論文の概要: SPA-VAE: Similar-Parts-Assignment for Unsupervised 3D Point Cloud Generation

• arxiv url: http://arxiv.org/abs/2203.07825v1
• Date: Tue, 15 Mar 2022 12:26:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-16 15:52:51.611187
• Title: SPA-VAE: Similar-Parts-Assignment for Unsupervised 3D Point Cloud Generation
• Title（参考訳）: SPA-VAE: 教師なし3次元点雲生成のための類似部品割り当て
• Authors: Shidi Li, Christian Walder, Miaomiao Liu
• Abstract要約: SPA-VAEは任意の対象に対して潜在正準候補形状を推測する。 例えば 表の各脚は 一つの脚のプロトタイプを 推定するために 効果的に結合されている
• 参考スコア（独自算出の注目度）: 19.801819746168594
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper addresses the problem of unsupervised parts-aware point cloud generation with learned parts-based self-similarity. Our SPA-VAE infers a set of latent canonical candidate shapes for any given object, along with a set of rigid body transformations for each such candidate shape to one or more locations within the assembled object. In this way, noisy samples on the surface of, say, each leg of a table, are effectively combined to estimate a single leg prototype. When parts-based self-similarity exists in the raw data, sharing data among parts in this way confers numerous advantages: modeling accuracy, appropriately self-similar generative outputs, precise in-filling of occlusions, and model parsimony. SPA-VAE is trained end-to-end using a variational Bayesian approach which uses the Gumbel-softmax trick for the shared part assignments, along with various novel losses to provide appropriate inductive biases. Quantitative and qualitative analyses on ShapeNet demonstrate the advantage of SPA-VAE.
• Abstract（参考訳）: 本稿では,学習部分に基づく自己相似性を考慮した,教師なし部分認識ポイントクラウド生成の問題に対処する。 我々のSPA-VAEは、任意の対象に対して潜在正準候補形状のセットと、そのような候補形状の集合を、組み立てた対象の1つ以上の場所に変換する。 このように、例えばテーブルの各脚の表面にあるノイズのあるサンプルは、効果的に組み合わせて単一の脚のプロトタイプを推定する。 生データに部品ベースの自己相似性が存在する場合、この方法で部品間でデータを共有することは、モデリング精度、適切な自己相似生成出力、咬合の正確なインフィルング、モデルパシモニーといった多くの利点を享受する。 SPA-VAEは、共有部分の割り当てにGumbel-softmaxトリックを使用する変分ベイズ的アプローチを用いてエンドツーエンドで訓練され、様々な新しい損失を伴って適切な帰納バイアスを与える。 ShapeNetの定量的および定性的分析はSPA-VAEの利点を示している。

関連論文リスト

• Deep Domain Isolation and Sample Clustered Federated Learning for Semantic Segmentation [2.515027627030043]
  本稿では,2次元セグメンテーションタスクにおける参加者間の共変量変化の影響を初めて検討する。 我々は、モデルの勾配空間内で直接画像領域を分離するディープドメイン分離(DDI)を開発する。 我々は,このクラスタリングアルゴリズムをSCFL(Sample Clustered Federated Learning)フレームワークを通じて活用する。
  論文  参考訳（メタデータ） (2024-10-04T12:43:07Z)
• PARSAC: Accelerating Robust Multi-Model Fitting with Parallel Sample Consensus [26.366299016589256]
  雑音データから幾何モデルの複数事例を頑健に推定するリアルタイム手法を提案する。 ニューラルネットワークは、入力データを潜在的モデルインスタンスを表すクラスタに分割する。 我々は、画像当たり5ミリ秒の推論時間を持つ複数の確立されたデータセットと同様に、これらに対して最先端のパフォーマンスを実証する。
  論文  参考訳（メタデータ） (2024-01-26T14:54:56Z)
• FoundationPose: Unified 6D Pose Estimation and Tracking of Novel Objects [55.77542145604758]
  FoundationPoseは、6Dオブジェクトのポーズ推定と追跡のための統合基盤モデルである。 我々のアプローチは、微調整なしで、テスト時に新しいオブジェクトに即座に適用できる。
  論文  参考訳（メタデータ） (2023-12-13T18:28:09Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Synthetic-to-Real Domain Generalized Semantic Segmentation for 3D Indoor Point Clouds [69.64240235315864]
  本稿では,本課題に対して,合成-実領域一般化設定を提案する。 合成と実世界のポイントクラウドデータのドメインギャップは、主に異なるレイアウトとポイントパターンにあります。 CINMixとMulti-prototypeの両方が分配ギャップを狭めることを示した。
  論文  参考訳（メタデータ） (2022-12-09T05:07:43Z)
• OMNet: Learning Overlapping Mask for Partial-to-Partial Point Cloud Registration [31.108056345511976]
  OMNetは、部分から部分へのポイントクラウド登録のためのグローバル機能ベースの反復ネットワークです。 マスクを粗雑に学習し,重複しない領域を拒絶し,部分から部分への登録を同一形状の登録に変換する。
  論文  参考訳（メタデータ） (2021-03-01T11:59:59Z)
• Local Competition and Stochasticity for Adversarial Robustness in Deep Learning [8.023314613846418]
  本研究は, 深層学習における対角的堅牢性に対処し, 深層ネットワークと局部的勝者のアクティベーションを考慮した。 このタイプのネットワークユニットは、各モデル層からスパース表現を生じさせ、ユニットは1つのユニットだけがゼロでない出力を生成するブロックに編成される。
  論文  参考訳（メタデータ） (2021-01-04T17:40:52Z)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• LPMNet: Latent Part Modification and Generation for 3D Point Clouds [3.04585143845864]
  本稿では,意味的部分と大域的形状の両方の生成と修正を処理できる単一エンドツーエンドオートエンコーダモデルを提案する。 提案手法は,3次元点雲モデル間の部分交換と異なる部分による合成をサポートし,遅延表現を直接編集して新しいモデルを生成する。
  論文  参考訳（メタデータ） (2020-08-08T17:24:37Z)
• Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
  異種データセットから学習した後続分布を融合する手法を提案する。 我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
  論文  参考訳（メタデータ） (2020-07-13T03:27:45Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。