論文の概要: Learning to Infer 3D Shape Programs with Differentiable Renderer

• arxiv url: http://arxiv.org/abs/2206.12675v1
• Date: Sat, 25 Jun 2022 15:44:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-28 12:53:04.357033
• Title: Learning to Infer 3D Shape Programs with Differentiable Renderer
• Title（参考訳）: 微分可能レンダラを用いた3次元形状プログラムの推論
• Authors: Yichao Liang
• Abstract要約: 本稿では, 形状プログラムの解釈において, より忠実で, 制御可能な解析可能エグゼキュータを提案する。 これらは、基底真理プログラムが利用できない場合に、ジェネレータの学習を促進する。 適応に使用するための予備実験では,提案モジュールの利点が示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given everyday artifacts, such as tables and chairs, humans recognize high-level regularities within them, such as the symmetries of a table, the repetition of its legs, while possessing low-level priors of their geometries, e.g., surfaces are smooth and edges are sharp. This kind of knowledge constitutes an important part of human perceptual understanding and reasoning. Representations of and how to reason in such knowledge, and the acquisition thereof, are still open questions in artificial intelligence (AI) and cognitive science. Building on the previous proposal of the \emph{3D shape programs} representation alone with the accompanying neural generator and executor from \citet{tian2019learning}, we propose an analytical yet differentiable executor that is more faithful and controllable in interpreting shape programs (particularly in extrapolation) and more sample efficient (requires no training). These facilitate the generator's learning when ground truth programs are not available, and should be especially useful when new shape-program components are enrolled either by human designers or -- in the context of library learning -- algorithms themselves. Preliminary experiments on using it for adaptation illustrate the aforesaid advantages of the proposed module, encouraging similar methods being explored in building machines that learn to reason with the kind of knowledge described above, and even learn this knowledge itself.
• Abstract（参考訳）: テーブルや椅子などの日常的なアーティファクトが与えられれば、人間はテーブルの対称性や脚の繰り返しなど、その内部の高水準な規則性を認識しつつ、ジオメトリーの低レベルな先行(例えば表面が滑らかで縁が鋭い)を持っている。 この種の知識は人間の知覚的理解と推論の重要な部分を構成する。 このような知識における推論の表現と方法、およびその獲得は、人工知能(ai)と認知科学において依然として開かれた問題である。 従来提案されていた「emph{3D shape program」の表現と,それに伴うニューラルジェネレータとエグゼキュータを併用して構築された,形状プログラム(特に外挿において)の解釈に忠実で制御可能な解析的かつ微分可能なエグゼキュータを提案する。 これらは、基底真理プログラムが利用できない場合のジェネレータの学習を促進するものであり、新しいシェイププログラムコンポーネントがヒューマンデザイナによって登録される場合や、ライブラリ学習の文脈において、アルゴリズム自体によって特に有用である。 適応にそれを使う予備的な実験は、提案されたモジュールの利点を示しており、上記の知識の種類で推論し、その知識自体を学ぶマシンの構築において、同様の方法が研究されていることを奨励している。

関連論文リスト

• Training Neural Networks with Internal State, Unconstrained Connectivity, and Discrete Activations [66.53734987585244]
  真のインテリジェンスには、内部状態を管理するマシンラーニングモデルが必要だ。 このようなモデルのトレーニングに最も効果的なアルゴリズムは,まだ発見されていない。 このようなトレーニングアルゴリズムを2進アクティベーションと1つの重みの行列のみを持つアーキテクチャに適用する試みについて述べる。
  論文  参考訳（メタデータ） (2023-12-22T01:19:08Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Towards A Unified Agent with Foundation Models [18.558328028366816]
  強化学習(RL)エージェントにそのような能力を組み込んで活用する方法を検討する。 我々は、言語を中核的推論ツールとして使用するフレームワークを設計し、エージェントが一連の基本的なRL課題にどのように取り組むことができるかを探る。 探索効率とオフラインデータセットからのデータの再利用能力において,ベースラインよりも大幅にパフォーマンスが向上したことを示す。
  論文  参考訳（メタデータ） (2023-07-18T22:37:30Z)
• Object Topological Character Acquisition by Inductive Learning [0.0]
  本稿では, 対象の骨格(RTS)に基づく地形構造の形式的表現を提案し, 「共通地盤の探索」 の誘導過程を実現する。 オブジェクト認識の実装は、色、縁、テクスチャなどの単純な物理的特徴ではなく、トポロジのような共通の幾何学に基づいていることは明らかである。
  論文  参考訳（メタデータ） (2023-06-19T01:19:37Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• Fact-driven Logical Reasoning for Machine Reading Comprehension [82.58857437343974]
  私たちは、常識と一時的な知識のヒントの両方を階層的にカバーする動機があります。 具体的には,文の背骨成分を抽出し,知識単位の一般的な定式化を提案する。 次に、事実単位の上にスーパーグラフを構築し、文レベル(事実群間の関係)と実体レベルの相互作用の利点を享受する。
  論文  参考訳（メタデータ） (2021-05-21T13:11:13Z)
• Brain Inspired Object Recognition System [0.0]
  方位勾配のヒストグラム、局所二分パターン、および対象画像から抽出された主成分を用いる。 計算理論は最初に、脳の情報処理機構の概念を用いて開発された。 提案モデルの性能を検証するために,15の公開データセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2021-05-15T14:42:17Z)
• Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges [50.22269760171131]
  過去10年間、データサイエンスと機械学習の実験的な革命が、ディープラーニングの手法によって生まれた。 このテキストは、統一幾何学的原理によって事前に定義された規則性を公開することに関するものである。 CNN、RNN、GNN、Transformersなど、最も成功したニューラルネットワークアーキテクチャを研究するための一般的な数学的フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-04-27T21:09:51Z)
• Learning abstract structure for drawing by efficient motor program induction [52.13961975752941]
  我々は、人間が構造化された事前知識を迅速に取得する方法を研究するために、自然主義的な描画タスクを開発する。 一般化を支援する抽象的な描画手順を自然に学習していることが示される。 本稿では,これらの再利用可能な描画プログラムを学習者がどのように発見できるかのモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-08T13:31:14Z)

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。