論文の概要: Organic Priors in Non-Rigid Structure from Motion

• arxiv url: http://arxiv.org/abs/2207.06262v1
• Date: Wed, 13 Jul 2022 15:07:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-14 15:31:42.657848
• Title: Organic Priors in Non-Rigid Structure from Motion
• Title（参考訳）: 非剛体構造における運動からの有機優先
• Authors: Suryansh Kumar, Luc Van Gool
• Abstract要約: 本稿では,従来の非剛体構造における有機前駆体(NRSfM)の利用を提唱する。 この論文の主な貢献は、NRSfMを解くために、そのような有機的な先駆体を効果的に活用できる、シンプルで方法論的で実践的な方法を提案することである。
• 参考スコア（独自算出の注目度）: 102.41675461817177
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper advocates the use of organic priors in classical non-rigid structure from motion (NRSfM). By organic priors, we mean invaluable intermediate prior information intrinsic to the NRSfM matrix factorization theory. It is shown that such priors reside in the factorized matrices, and quite surprisingly, existing methods generally disregard them. The paper's main contribution is to put forward a simple, methodical, and practical method that can effectively exploit such organic priors to solve NRSfM. The proposed method does not make assumptions other than the popular one on the low-rank shape and offers a reliable solution to NRSfM under orthographic projection. Our work reveals that the accessibility of organic priors is independent of the camera motion and shape deformation type. Besides that, the paper provides insights into the NRSfM factorization -- both in terms of shape, motion -- and is the first approach to show the benefit of single rotation averaging for NRSfM. Furthermore, we outline how to effectively recover motion and non-rigid 3D shape using the proposed organic prior based approach and demonstrate results that outperform prior-free NRSfM performance by a significant margin. Finally, we present the benefits of our method via extensive experiments and evaluations on several benchmark dataset.
• Abstract（参考訳）: 本稿では,従来の非剛体構造における有機前駆体(NRSfM)の使用を提唱する。 有機前駆体では、NRSfM行列分解理論に固有の重要な中間的事前情報を意味する。 このような先行性は分解行列に存在することが示されており、驚くべきことに既存の手法はそれらを無視している。 この論文の主な貢献は、nrsfmを解決するためにそのような有機前駆体を効果的に活用できる、単純で方法論的で実用的な方法を提案することである。 提案手法は, 人気のあるもの以外の低位形状を仮定せず, 直交射影下でのnrsfmに対する信頼性の高い解を与える。 本研究により, 有機前駆体のアクセシビリティは, カメラの運動と形状変形型に依存しないことが明らかとなった。 さらに、この論文は、NRSfMの因子化(形状、運動の両面で)についての洞察を提供し、NRSfMの1回転平均化の利点を示す最初のアプローチである。 さらに, 提案手法を用いて, 動作と非剛性3次元形状を効果的に復元する方法を概説し, 先行自由度NRSfMの性能を著しく向上させる結果を示した。 最後に,本手法の利点を,いくつかのベンチマークデータセットにおける広範囲な実験と評価を通じて提示する。

関連論文リスト

• Coseparable Nonnegative Tensor Factorization With T-CUR Decomposition [2.013220890731494]
  非負行列因子化(NMF)は、データから意味のある特徴を抽出する重要な教師なし学習手法である。 本研究では,コセプタブルコアを選択するための交互選択法を提案する。 その結果, 分離可能なNMFと比較して, 分離可能なNTFの有効性が示された。
  論文  参考訳（メタデータ） (2024-01-30T09:22:37Z)
• Parameter-Efficient Orthogonal Finetuning via Butterfly Factorization [102.92240148504774]
  下流タスク適応のための原則的微調整パラダイムである直交微調整(Orthogonal Finetuning, OFT)について検討する。 優れた一般化性を示しているにもかかわらず、OFTはまだかなり多くのトレーニング可能なパラメータを使っている。 我々はこのパラメータ化をOFTに適用し、ORFT(Orthogonal Butterfly)と呼ばれる新しいパラメータ効率の微調整法を開発した。
  論文  参考訳（メタデータ） (2023-11-10T18:59:54Z)
• Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
  提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。 大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T14:30:06Z)
• Supervised Class-pairwise NMF for Data Representation and Classification [2.7320863258816512]
  非負行列分解(NMF)に基づく手法は、特定のタスクにモデルを適応させるためにコスト関数に新しい用語を追加する。 NMF法は、因子化行列を推定するための教師なしアプローチを採用する。
  論文  参考訳（メタデータ） (2022-09-28T04:33:03Z)
• Finding Rule-Interpretable Non-Negative Data Representation [2.817412580574242]
  ルールベース記述と部分ベース表現の利点を融合したNMF方式を提案する。 提案手法は、集中型埋め込みや教師付きマルチラベルNMFの実行といったタスクにおいて、多くの利点を提供する。
  論文  参考訳（メタデータ） (2022-06-03T10:20:46Z)
• Initialization for Nonnegative Matrix Factorization: a Comprehensive Review [0.0]
  非負の因子化(NMF)は、非負のデータ行列から非負の基底を抽出することで有意なデータを表現するための一般的な方法となっている。 それぞれの手法の性能を示す数値的な結果を示す。
  論文  参考訳（メタデータ） (2021-09-08T18:49:41Z)
• Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
  本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。 FNMFはその重要性に応じて特徴の重みを適応的に学習する。 提案する最適化アルゴリズムを用いて効率的に解くことができる。
  論文  参考訳（メタデータ） (2021-03-24T21:17:17Z)
• Revisiting Initialization of Neural Networks [72.24615341588846]
  ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。 Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
  論文  参考訳（メタデータ） (2020-04-20T18:12:56Z)
• Augmentation of the Reconstruction Performance of Fuzzy C-Means with an Optimized Fuzzification Factor Vector [99.19847674810079]
  Fuzzy C-Means (FCM) は情報グラニュラーを構成する最も頻繁に使用される手法の1つである。 本稿では, ファジィ化因子のベクトルを導入することにより, FCMに基づく脱顆粒機構を増強する。 合成データセットと公開データセットの両方で実験が完了し、提案手法が汎用データ再構成手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-13T04:17:30Z)

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。