論文の概要: Data-Driven, Soft Alignment of Functional Data Using Shapes and Landmarks

• arxiv url: http://arxiv.org/abs/2203.14810v1
• Date: Tue, 22 Mar 2022 04:32:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-03 17:48:03.646347
• Title: Data-Driven, Soft Alignment of Functional Data Using Shapes and Landmarks
• Title（参考訳）: 形状とランドマークを用いた機能データのデータ駆動・ソフトアライメント
• Authors: Xiaoyang Guo, Wei Wu, Anuj Srivastava
• Abstract要約: フィッシャー・ラオ計量と平方根速度関数(SRVF)に基づく手法は優れた性能を示した。 本稿では,ランドマーク情報の導入を可能にする拡張を提案する。
• 参考スコア（独自算出の注目度）: 22.36440013495061
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Alignment or registration of functions is a fundamental problem in statistical analysis of functions and shapes. While there are several approaches available, a more recent approach based on Fisher-Rao metric and square-root velocity functions (SRVFs) has been shown to have good performance. However, this SRVF method has two limitations: (1) it is susceptible to over alignment, i.e., alignment of noise as well as the signal, and (2) in case there is additional information in form of landmarks, the original formulation does not prescribe a way to incorporate that information. In this paper we propose an extension that allows for incorporation of landmark information to seek a compromise between matching curves and landmarks. This results in a soft landmark alignment that pushes landmarks closer, without requiring their exact overlays to finds a compromise between contributions from functions and landmarks. The proposed method is demonstrated to be superior in certain practical scenarios.
• Abstract（参考訳）: 関数のアライメントや登録は、関数や形状の統計解析における根本的な問題である。 利用可能なアプローチはいくつかあるが、より最近のアプローチではフィッシャー・ラオ計量と平方根速度関数(SRVF)が優れていることが示されている。 しかし、このsrvf法には2つの制限がある:(1)信号と同様にノイズのアライメントが過大なアライメントに影響を受けやすく、(2)ランドマークの形で追加情報が存在する場合、元の定式化ではその情報を組み込む方法を規定していない。 本稿では,ランドマーク情報の導入により,一致する曲線とランドマークの妥協を求める拡張手法を提案する。 これにより、関数とランドマークからのコントリビューションの妥協を見つけるために正確なオーバーレイを必要とせず、ランドマークを近づけるソフトなランドマークアライメントが実現される。 提案手法は,特定のシナリオにおいて優れていることを示す。

関連論文リスト

• Inferring Neural Signed Distance Functions by Overfitting on Single Noisy Point Clouds through Finetuning Data-Driven based Priors [53.6277160912059]
  本稿では,データ駆動型およびオーバーフィット型手法のプロースを推進し,より一般化し,高速な推論を行い,より高精度なニューラルネットワークSDFを学習する手法を提案する。 そこで本研究では,距離管理やクリーンポイントクラウド,あるいは点正規化を伴わずに,データ駆動型プリエントを微調整できる新しい統計的推論アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-25T16:48:44Z)
• Fed-Sophia: A Communication-Efficient Second-Order Federated Learning Algorithm [28.505671833986067]
  フェデレーション学習(Federated Learning)は、複数のデバイスが、ローカル更新のみを共有することで、パラメータサーバの助けを借りて協調的に学習する、機械学習アプローチである。 この領域では勾配に基づく最適化手法が広く採用されているが、二階法が示す曲率情報は収束のガイドと高速化に不可欠である。 本稿では,フェデレートされた大規模モデルにおける曲率情報の導入を可能にする,スケーラブルな2次法を提案する。
  論文  参考訳（メタデータ） (2024-06-10T09:57:30Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• DPFM: Deep Partial Functional Maps [28.045544079256686]
  我々は、潜在的に有意な部分性を有する非剛体形状間の密接な対応を計算することの問題を考察する。 部分的な非剛体形状対応を直接目的とする初等学習手法を提案する。 我々のアプローチは関数マップフレームワークを使用し、教師なしまたは教師なしの方法で訓練し、データから直接記述子を学習する。
  論文  参考訳（メタデータ） (2021-10-19T14:05:37Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)

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。