論文の概要: Non-Isometric Shape Matching via Functional Maps on Landmark-Adapted
Bases
- arxiv url: http://arxiv.org/abs/2205.04800v1
- Date: Tue, 10 May 2022 11:02:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 19:57:47.943495
- Title: Non-Isometric Shape Matching via Functional Maps on Landmark-Adapted
Bases
- Title(参考訳): ランドマーク適応ベース上の関数写像による非等角形状マッチング
- Authors: Mikhail Panine, Maxime Kirgo and Maks Ovsjanikov
- Abstract要約: 非等方的ランドマーク保存型非剛体形状マッチングの原理的手法を提案する。
ランドマークを正確に保存する、ほぼコンフォーマルなマップにフォーカスしています。
提案手法は, 記述子フリーで, 効率的で, 頑健で, 可変性に優れたメッシュである。
- 参考スコア(独自算出の注目度): 27.403848280099027
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a principled approach for non-isometric landmark-preserving
non-rigid shape matching. Our method is based on the functional maps framework,
but rather than promoting isometries we focus instead on near-conformal maps
that preserve landmarks exactly. We achieve this, first, by introducing a novel
landmark-adapted basis using an intrinsic Dirichlet-Steklov eigenproblem.
Second, we establish the functional decomposition of conformal maps expressed
in this basis. Finally, we formulate a conformally-invariant energy that
promotes high-quality landmark-preserving maps, and show how it can be solved
via a variant of the recently proposed ZoomOut method that we extend to our
setting. Our method is descriptor-free, efficient and robust to significant
mesh variability. We evaluate our approach on a range of benchmark datasets and
demonstrate state-of-the-art performance on non-isometric benchmarks and near
state-of-the-art performance on isometric ones.
- Abstract(参考訳): 非等方的ランドマーク保存型非剛体形状マッチングの原理的手法を提案する。
提案手法は関数型マップの枠組みに基づいているが,その代わりにランドマークを正確に保存する近等角写像に注目する。
まず、本質的なdirichlet-steklov eigenproblemを用いて、新しいランドマーク対応基底を導入する。
第二に、この基底で表される共形写像の関数分解を確立する。
最後に,高品質なランドマーク保存マップを促進する共形不変エネルギーを定式化し,最近提案するズームアウト方式の変種を用いてその解法を示す。
この手法はディスクリプタフリーで効率良く,重要なメッシュ変動にロバストである。
我々は,様々なベンチマークデータセットに対するアプローチを評価し,非等尺ベンチマークにおける最先端性能と等尺ベンチマークにおける最先端性能を実証する。
関連論文リスト
- 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) - Temporally-Consistent Surface Reconstruction using Metrically-Consistent
Atlases [131.50372468579067]
そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。
我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。
当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
論文 参考訳(メタデータ) (2021-11-12T17:48:25Z) - 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) - Learning Canonical Embedding for Non-rigid Shape Matching [36.85782408336389]
本稿では,非剛体形状マッチングのための標準埋め込みを学習する新しいフレームワークを提供する。
我々のフレームワークはエンドツーエンドで訓練されており、一般的に使用されているLaplace-Beltramiベースに関連する不安定性と制約を回避する。
論文 参考訳(メタデータ) (2021-10-06T18:09:13Z) - A Gradient Sampling Algorithm for Stratified Maps with Applications to
Topological Data Analysis [0.0]
我々は、よく知られた勾配サンプリング手法を拡張した新しい勾配降下アルゴリズムを提案する。
次に、低星フィルタ上で計算された永続ホモロジー写像に基づいて、目的関数に本手法を適用する。
論文 参考訳(メタデータ) (2021-09-01T14:07:44Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳(メタデータ) (2021-06-20T08:20:56Z) - Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。
DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文 参考訳(メタデータ) (2021-06-14T17:19:44Z) - Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。
本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文 参考訳(メタデータ) (2021-04-07T05:42:11Z) - Learning landmark geodesics using Kalman ensembles [0.0]
ディフェオモルフォメトリー測地ランドマークマッチングの問題について検討する。
目的は、2組のランドマークの間の群作用写像を通じて微分同型を見つけることである。
論文 参考訳(メタデータ) (2021-03-25T18:52:01Z) - GELATO: Geometrically Enriched Latent Model for Offline Reinforcement
Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。
本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。
提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文 参考訳(メタデータ) (2021-02-22T19:42:40Z)
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。