Fugu-MT 論文翻訳(概要): Riemannian Geometry Approach for Minimizing Distortion and its Applications

論文の概要: Riemannian Geometry Approach for Minimizing Distortion and its Applications

arxiv url: http://arxiv.org/abs/2207.12038v2
Date: Tue, 26 Jul 2022 02:09:31 GMT
ステータス: 処理完了
システム内更新日: 2022-07-27 10:33:57.665405
Title: Riemannian Geometry Approach for Minimizing Distortion and its Applications
Title（参考訳）: 歪み最小化のためのリーマン幾何学的アプローチとその応用
Authors: Dror Ozeri
Abstract要約: 全体の歪みを最小化するアフィン変換 $T$ は、sum_i=1NDist_F2(T-1T_i)$ である。この変換はいくつかの分野で有用であり、特にアフィンパノラマのレンダリングに応用する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Given an affine transformation $T$, we define its Fisher distortion $Dist_F(T)$. We show that the Fisher distortion has Riemannian metric structure and provide an algorithm for finding mean distorting transformation -- namely -- for a given set $\{T_{i}\}_{i=1}^N$ of affine transformations, find an affine transformation $T$ that minimize the overall distortion $\sum_{i=1}^NDist_F^{2}(T^{-1}T_{i}).$ The mean distorting transformation can be useful in some fields -- in particular, we apply it for rendering affine panoramas.
Abstract（参考訳）: Affine 変換 $T$ が与えられたとき、Fisher 歪み $Dist_F(T)$ を定義する。フィッシャー歪はリーマン計量構造を有しており、与えられたアフィン変換の集合 $\{t_{i}\}_{i=1}^n$ に対して平均歪変換を求めるアルゴリズムを提供し、全体的な歪み$\sum_{i=1}^ndist_f^{2}(t^{-1}t_{i})を最小化するアフィン変換$t$を求める。例えば、アフィンパノラマのレンダリングにこの変換を適用します。

関連論文リスト

A Bi-variant Variational Model for Diffeomorphic Image Registration with Relaxed Jacobian Determinant Constraints [17.93018427389816]
本稿では,新しい二変差動画像登録モデルを提案する。ヤコビ方程式 $det(nablabmvarphi(bmx)) = f(bmx) > 0$ 上の柔らかい制約は、局所変形をフレキシブル範囲内で縮小し、成長させることを可能にする。緩和関数 $f(bmx)$ の最適化には正の制約が課され、正規化器は$f(bmx)$ の滑らかさを保証するために用いられる。
論文参考訳（メタデータ） (2023-08-04T15:47:06Z)
Planar Curve Registration using Bayesian Inversion [0.0]
ベイズ逆問題としてパラメータ化独立閉曲線マッチングについて検討する。曲線の運動は、周囲空間に作用する微分同相群上の曲線を通してモデル化される。我々は、ターゲットとアンサンブル平均形状の差を測定するために、負のソボレフミスマッチペナルティを用いたアンサンブルカルマンインバージョンを採用する。
論文参考訳（メタデータ） (2023-07-10T21:26:43Z)
Revisiting Subgradient Method: Complexity and Convergence Beyond Lipschitz Continuity [24.45688490844496]
次進法は非滑らかな最適化のための最も基本的なアルゴリズムスキームの1つである。本研究では、まず、非Lipschitz凸と弱凸最小化をカバーするために、下次法の典型的な反復複雑性結果を拡張する。
論文参考訳（メタデータ） (2023-05-23T15:26:36Z)
Deep neural networks on diffeomorphism groups for optimal shape reparameterization [44.99833362998488]
基本微分同相の合成による配向保存微分同相の近似を構成するアルゴリズムを提案する。このアルゴリズムはPyTorchを用いて実装され、非パラメータ化された曲線と曲面の両方に適用できる。
論文参考訳（メタデータ） (2022-07-22T15:25:59Z)
3D Equivariant Graph Implicit Functions [51.5559264447605]
局所的詳細のモデリングを容易にする同変層を持つグラフ暗黙関数の新しいファミリを導入する。提案手法は,ShapeNet再構成作業において既存の回転同変暗黙関数を0.69から0.89に改善する。
論文参考訳（メタデータ） (2022-03-31T16:51:25Z)
Hybrid Model-based / Data-driven Graph Transform for Image Coding [54.31406300524195]
予測内残差ブロックを符号化するハイブリッドモデルベース/データ駆動方式を提案する。変換行列の最初の$K$固有ベクトルは、安定性のための非対称離散正弦変換(ADST)のような統計モデルから導かれる。 WebPをベースライン画像として使用することにより、我々のハイブリッドグラフ変換は、デフォルトの離散コサイン変換(DCT)よりもエネルギーの圧縮が良く、KLTよりも安定性がよいことを示す。
論文参考訳（メタデータ） (2022-03-02T15:36:44Z)
Revisiting Transformation Invariant Geometric Deep Learning: Are Initial Representations All You Need? [80.86819657126041]
変換不変および距離保存初期表現は変換不変性を達成するのに十分であることを示す。具体的には、多次元スケーリングを変更することで、変換不変かつ距離保存された初期点表現を実現する。我々は、TinvNNが変換不変性を厳密に保証し、既存のニューラルネットワークと組み合わせられるほど汎用的で柔軟なことを証明した。
論文参考訳（メタデータ） (2021-12-23T03:52:33Z)
A first-order primal-dual method with adaptivity to local smoothness [64.62056765216386]
凸凹対象 $min_x max_y f(x) + langle Ax, yrangle - g*(y)$, ここで、$f$ は局所リプシッツ勾配を持つ凸関数であり、$g$ は凸かつ非滑らかである。主勾配ステップと2段ステップを交互に交互に行うCondat-Vuアルゴリズムの適応バージョンを提案する。
論文参考訳（メタデータ） (2021-10-28T14:19:30Z)
Invariant Deep Compressible Covariance Pooling for Aerial Scene Categorization [80.55951673479237]
本研究では,空気シーン分類におけるニュアンス変動を解決するために,新しい不変な深部圧縮性共分散プール (IDCCP) を提案する。本研究では,公開空間画像データセットに関する広範な実験を行い,最先端の手法と比較して,この手法の優位性を実証する。
論文参考訳（メタデータ） (2020-11-11T11:13:07Z)
A deep network construction that adapts to intrinsic dimensionality beyond the domain [79.23797234241471]
本稿では,ReLUを活性化したディープネットワークを用いて,2層合成の近似を$f(x) = g(phi(x))$で検討する。例えば、低次元埋め込み部分多様体への射影と、低次元集合の集合への距離である。
論文参考訳（メタデータ） (2020-08-06T09:50:29Z)
An Integer Approximation Method for Discrete Sinusoidal Transforms [0.0]
本稿では,離散フーリエ,ハートレー,コサイン変換(DFT,DHT,DCT)の整数変換のクラスを提案し,解析する。提案手法は一般にいくつかのブロック長に適用できるが、既存の手法は通常、特定の変換サイズに特化している。 DFT, DHT, DCTに対する新しい8点2乗波近似変換も, 提案手法の特別な場合として導入されている。
論文参考訳（メタデータ） (2020-07-05T03:37:35Z)

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。