論文の概要: The dGLI Cloth Coordinates: A Topological Representation for Semantic
Classification of Cloth States
- arxiv url: http://arxiv.org/abs/2209.09191v1
- Date: Wed, 14 Sep 2022 15:16:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 17:24:20.365371
- Title: The dGLI Cloth Coordinates: A Topological Representation for Semantic
Classification of Cloth States
- Title（参考訳）: dGLI衣服座標:衣服状態の意味分類のためのトポロジ的表現
- Authors: Franco Coltraro, Josep Fontana, Jaume Amor\'os, Maria
Alberich-Carrami\~nana, J\'ulia Borr\`as, Carme Torras
- Abstract要約: 長方形の布の状態を低次元で表現する dGLI 布座標を導入する。
我々の表現はガウスリンク積分の方向微分に基づいており、平面構成と空間構成の両方を表現できる。
- 参考スコア（独自算出の注目度）: 6.664736150040093
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Robotic manipulation of cloth is a highly complex task because of its
infinite-dimensional shape-state space that makes cloth state estimation very
difficult. In this paper we introduce the dGLI Cloth Coordinates, a
low-dimensional representation of the state of a rectangular piece of cloth
that allows to efficiently distinguish key topological changes in a folding
sequence, opening the door to efficient learning methods for cloth manipulation
planning and control. Our representation is based on a directional derivative
of the Gauss Linking Integral and allows us to represent both planar and
spatial configurations in a consistent unified way. The proposed dGLI Cloth
Coordinates are shown to be more accurate in the classification of cloth states
and significantly more sensitive to changes in grasping affordances than other
classic shape distance methods. Finally, we apply our representation to real
images of a cloth, showing we can identify the different states using a simple
distance-based classifier.
- Abstract（参考訳）: 布のロボット操作は、布の状態推定を非常に困難にする無限次元の形状状態空間のため、非常に複雑な作業である。
本稿では,長方形の布の状態の低次元表現であるdGLIクロースコーディネートを導入し,折り畳み配列における重要なトポロジ的変化を効率的に識別し,効率的な布の操作計画と制御の学習方法への扉を開く。
我々の表現はガウスリンク積分の方向微分に基づいており、一貫した一貫した方法で平面構成と空間構成の両方を表現できる。
提案したdGLI衣服座標は,布の状態の分類においてより正確であり,他の古典的な形状距離法よりも把握能力の変化に非常に敏感である。
最後に,この表現を布の実像に適用し,簡単な距離ベース分類器を用いて異なる状態の識別を行う。
関連論文リスト
- RaggeDi: Diffusion-based State Estimation of Disordered Rags, Sheets, Towels and Blankets [8.267469814604311]
衣服の状態推定はロボット工学において重要な問題である。
ロボットは、布を操り、ロボットドレッシング、縫製、隠蔽・発見といったタスクを実行するために、正確な状態を知ることが不可欠である。
本稿では,布の状態推定を画像生成問題として定式化する拡散モデルに基づくパイプラインを提案する。
論文 参考訳（メタデータ） (2024-09-18T09:30:03Z) - LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。
LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
論文 参考訳（メタデータ） (2023-08-13T08:06:18Z) - Foldsformer: Learning Sequential Multi-Step Cloth Manipulation With
Space-Time Attention [4.2940878152791555]
我々はFoldformerという新しい多段階布の操作計画フレームワークを提案する。
我々は,Foldsformerを4つの逐次的多段階操作タスクに対して実験的に評価した。
我々のアプローチは、追加のトレーニングやドメインのランダム化なしに、シミュレーションから実世界へ移行することができる。
論文 参考訳（メタデータ） (2023-01-08T09:15:45Z) - Grasp-Oriented Fine-grained Cloth Segmentation without Real Supervision [66.56535902642085]
本稿では, 深度画像のみを用いて, 変形した衣服のきめ細かい領域検出の問題に取り組む。
最大で6つの意味領域を定義し, 首の縁, スリーブカフ, ヘム, 上と下をつかむ点を含む。
これらの部品のセグメント化とラベル付けを行うために,U-net ベースのネットワークを導入する。
合成データのみを用いてネットワークをトレーニングし、提案したDAが実データでトレーニングしたモデルと競合する結果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-06T16:31:20Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳（メタデータ） (2021-03-25T09:31:41Z) - SIRI: Spatial Relation Induced Network For Spatial Description
Resolution [64.38872296406211]
言語誘導型ローカライゼーションのための新しい関係誘導型ネットワーク(SIRI)を提案する。
提案手法は,80ピクセルの半径で測定した精度で,最先端手法よりも約24%優れていた。
提案手法は,Touchdownと同じ設定で収集した拡張データセットをうまく一般化する。
論文 参考訳（メタデータ） (2020-10-27T14:04:05Z) - Encoding cloth manipulations using a graph of states and transitions [8.778914180886835]
本稿では,布の操作状態の汎用的,コンパクトかつ簡易な表現を提案する。
タスクを達成するためのすべての戦略をエンコードするクラス操作グラフも定義しています。
論文 参考訳（メタデータ） (2020-09-30T13:56:13Z) - Orientation Attentive Robotic Grasp Synthesis with Augmented Grasp Map
Representation [62.79160608266713]
物体の形態学的特徴は、ロボットの把握の視覚的学習を阻害する、幅広い可視的把握方向を提供する可能性がある。
既存のグリップ生成アプローチを呪い、グリップポイント毎に大きく異なる向きのアノテーションを集約することにより、不連続グリップマップを構築する。
そこで本研究では,角度空間を複数のビンに分割することで,方向を局所的に歪曲する,画素ワイズ合成に適した拡張型グリップマップ表現を提案する。
論文 参考訳（メタデータ） (2020-06-09T08:54:54Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z)
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。