Fugu-MT 論文翻訳(概要): 3D Shape Sequence of Human Comparison and Classification using Current and Varifolds

論文の概要: 3D Shape Sequence of Human Comparison and Classification using Current and Varifolds

arxiv url: http://arxiv.org/abs/2207.12485v1
Date: Mon, 25 Jul 2022 19:22:43 GMT
ステータス: 処理完了
システム内更新日: 2022-07-27 12:42:37.316604
Title: 3D Shape Sequence of Human Comparison and Classification using Current and Varifolds
Title（参考訳）: 電流・ばらつきを用いた人体比較・分類の3次元形状系列
Authors: Emery Pierson, Mohamed Daoudi, Sylvain Arguillere
Abstract要約: 無限次元空間に3次元形状列を埋め込むことを提案する。ヒトの2つの3次元配列の比較問題は、2つのグラム・ハンケル行列の比較として定式化されている。 CVSSP3DとDynaのデータセットを用いた実験により,本手法は3次元人物列の動作検索における最先端技術と競合することが示された。
参考スコア（独自算出の注目度）: 2.4364387374267427
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we address the task of the comparison and the classification of 3D shape sequences of human. The non-linear dynamics of the human motion and the changing of the surface parametrization over the time make this task very challenging. To tackle this issue, we propose to embed the 3D shape sequences in an infinite dimensional space, the space of varifolds, endowed with an inner product that comes from a given positive definite kernel. More specifically, our approach involves two steps: 1) the surfaces are represented as varifolds, this representation induces metrics equivariant to rigid motions and invariant to parametrization; 2) the sequences of 3D shapes are represented by Gram matrices derived from their infinite dimensional Hankel matrices. The problem of comparison of two 3D sequences of human is formulated as a comparison of two Gram-Hankel matrices. Extensive experiments on CVSSP3D and Dyna datasets show that our method is competitive with state-of-the-art in 3D human sequence motion retrieval. Code for the experiments is available at https://github.com/CRISTAL-3DSAM/HumanComparisonVarifolds.
Abstract（参考訳）: 本稿では,人間の3次元形状配列の比較と分類の課題について述べる。人間の運動の非線形ダイナミクスと表面パラメトリゼーションの経時変化は、この課題を非常に困難にしている。この問題に対処するために、与えられた正の定値核から得られる内積を与えられた変数空間である無限次元空間に3次元形状列を埋め込むことを提案する。具体的には、私たちのアプローチには2つのステップがあります。 1) 曲面は変数として表現され,この表現は,剛運動に同変かつパラメトリゼーションに不変な計量を誘導する。 2) 3次元形状の配列は、その無限次元ハンケル行列に由来するグラム行列によって表される。ヒトの2つの3次元配列の比較問題は、2つのグラム・ハンケル行列の比較として定式化されている。 cvssp3d と dyna データセットの広範な実験により,本手法は人間の3次元動画像検索において最先端技術と競合することが示された。実験のコードはhttps://github.com/CRISTAL-3DSAM/HumanComparisonVarifoldsで公開されている。

関連論文リスト

Cross-Dimensional Medical Self-Supervised Representation Learning Based on a Pseudo-3D Transformation [68.60747298865394]
擬似3D変換(CDSSL-P3D)に基づく新しい三次元SSLフレームワークを提案する。具体的には、2D画像を3Dデータに整合したフォーマットに変換するim2colアルゴリズムに基づく画像変換を提案する。この変換は2次元および3次元データのシームレスな統合を可能にし、3次元医用画像解析のための相互教師あり学習を容易にする。
論文参考訳（メタデータ） (2024-06-03T02:57:25Z)
Object-Centric Domain Randomization for 3D Shape Reconstruction in the Wild [22.82439286651921]
ワンビュー3次元形状復元における最大の課題の1つは、現実世界の環境から得られる3次元形状2次元画像データの不足である。ドメインランダム化による顕著な成果にインスパイアされたObjectDRは、オブジェクトの外観や背景の視覚的変化をランダムにシミュレーションすることで、そのようなペア化されたデータを合成する。
論文参考訳（メタデータ） (2024-03-21T16:40:10Z)
NDC-Scene: Boost Monocular 3D Semantic Scene Completion in Normalized Device Coordinates Space [77.6067460464962]
SSC(Monocular 3D Semantic Scene Completion)は、単一の画像から複雑なセマンティックスや幾何学的形状を予測し、3D入力を必要としないため、近年大きな注目を集めている。我々は,3次元空間に投影された2次元特徴の特徴的曖昧さ,3次元畳み込みのPose Ambiguity,深さの異なる3次元畳み込みにおける不均衡など,現在の最先端手法におけるいくつかの重要な問題を明らかにする。シーン補完ネットワーク(NDC-Scene)を考案し,2を直接拡張する。
論文参考訳（メタデータ） (2023-09-26T02:09:52Z)
Multi-Person 3D Pose and Shape Estimation via Inverse Kinematics and Refinement [5.655207244072081]
モノクロRGB画像からメッシュ形状の3Dポーズと形状を推定することは困難である。そこで本研究では, 1) 閉塞・腐食3次元骨格推定による逆運動学の利点を生かした粗粒間パイプラインを提案する。本研究では,3DPW, MuPoTS, AGORAデータセット上での最先端の手法の有効性を実証する。
論文参考訳（メタデータ） (2022-10-24T18:29:06Z)
MvDeCor: Multi-view Dense Correspondence Learning for Fine-grained 3D Segmentation [91.6658845016214]
そこで本研究では,2次元領域における自己教師型手法を,微細な3次元形状分割作業に活用することを提案する。複数のビューから3次元形状を描画し、コントラスト学習フレームワーク内に密接な対応学習タスクを設置する。その結果、学習された2次元表現はビュー不変であり、幾何学的に一貫性がある。
論文参考訳（メタデータ） (2022-08-18T00:48:15Z)
DensePose 3D: Lifting Canonical Surface Maps of Articulated Objects to the Third Dimension [71.71234436165255]
DensePose 3Dは2次元画像アノテーションのみから弱い教師付きで再構築を学習できる手法である。 3Dスキャンを必要としないため、DensePose 3Dは異なる動物種などの幅広いカテゴリーの学習に利用できる。我々は,人間と動物のカテゴリーの合成データと実データの両方をベースラインとして,最先端の非剛体構造と比較し,顕著な改善を示した。
論文参考訳（メタデータ） (2021-08-31T18:33:55Z)
Deep and Shallow Covariance Feature Quantization for 3D Facial Expression Recognition [7.773399781313892]
顔認識のためのマルチモーダル2D+3D特徴に基づく手法を提案する。 3次元画像から浅い特徴と,変換された2次元画像から畳み込みニューラルネットワーク(cnn)を用いた深い特徴を抽出する。 BU-3DFEおよびBosphorusデータセットで高い分類性能を達成しました。
論文参考訳（メタデータ） (2021-05-12T14:48:39Z)
Human Motion Tracking by Registering an Articulated Surface to 3-D Points and Normals [12.356268615409324]
本研究では、表面を3次元データに登録することで、人間の動作追跡の問題に対処する。本稿では,運動パラメータと自由運動パラメータの両方に対する最大推定値を反復的に計算する手法を提案する。本研究では,不完全なシルエットから収集した疎視的形状データを用いて,人間の動作を追跡する手法について述べる。
論文参考訳（メタデータ） (2020-12-08T16:02:16Z)
Grassmannian diffusion maps based dimension reduction and classification for high-dimensional data [0.0]
グラスマン多様体上の点に対応する低次元部分空間として表現することで、点間の親和性を定義する新しい非線形次元減少法。本手法は,低次元部分空間でコンパクトに表現可能な画像認識や高次元データのデータベース分類などの応用のために設計されている。
論文参考訳（メタデータ） (2020-09-16T08:32:02Z)
Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation [87.54570024320354]
大規模運転シーンのLiDARセマンティックセマンティックセグメンテーションのための最先端の手法は、しばしば2D空間の点雲を投影して処理する。 3D-to-2Dプロジェクションの問題に取り組むための簡単な解決策は、3D表現を保ち、3D空間の点を処理することである。我々は3次元シリンダー分割と3次元シリンダー畳み込みに基づくフレームワークをCylinder3Dとして開発し,3次元トポロジの関係と運転シーンの点雲の構造を利用する。
論文参考訳（メタデータ） (2020-08-04T13:56:19Z)
SeqXY2SeqZ: Structure Learning for 3D Shapes by Sequentially Predicting 1D Occupancy Segments From 2D Coordinates [61.04823927283092]
本稿では,各2次元位置における関数の出力が内部の線分列である2次元関数を用いて3次元形状を表現することを提案する。本研究では,SeqXY2SeqZと呼ばれるセック2Seqモデルを用いて,2つの任意の軸に沿った2次元座標列から3つの軸に沿った1次元位置の列への写像を学習する手法を提案する。実験の結果,SeqXY2SeqZは広く使用されているベンチマークで最先端の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-03-12T00:24:36Z)

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。