論文の概要: Interpolated SelectionConv for Spherical Images and Surfaces
- arxiv url: http://arxiv.org/abs/2210.10123v1
- Date: Tue, 18 Oct 2022 19:49:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 14:27:57.559891
- Title: Interpolated SelectionConv for Spherical Images and Surfaces
- Title(参考訳): 球面画像と表面の補間選択凸
- Authors: David Hart, Michael Whitney, Bryan Morse
- Abstract要約: 球面画像上での畳み込みニューラルネットワーク操作のための,新しい汎用的なフレームワークを提案する。
我々のアプローチは、特定のサンプリング戦略に依存しない連結点のグラフとして表面を表す。
- 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: We present a new and general framework for convolutional neural network
operations on spherical (or omnidirectional) images. Our approach represents
the surface as a graph of connected points that doesn't rely on a particular
sampling strategy. Additionally, by using an interpolated version of
SelectionConv, we can operate on the sphere while using existing 2D CNNs and
their weights. Since our method leverages existing graph implementations, it is
also fast and can be fine-tuned efficiently. Our method is also general enough
to be applied to any surface type, even those that are topologically
non-simple. We demonstrate the effectiveness of our technique on the tasks of
style transfer and segmentation for spheres as well as stylization for 3D
meshes. We provide a thorough ablation study of the performance of various
spherical sampling strategies.
- Abstract(参考訳): 球面(全方向)画像上での畳み込みニューラルネットワーク操作のための,新しい汎用的なフレームワークを提案する。
我々のアプローチは、表面を特定のサンプリング戦略に依存しない連結点のグラフとして表現する。
さらに、SelectionConvの補間バージョンを使用することで、既存の2D CNNとその重みを使いながら、球上で操作することができる。
本手法は既存のグラフ実装を活用できるため,高速かつ効率的に微調整できる。
また, この手法は, 位相的に非単純であっても, 任意の表面タイプに適用可能である。
本手法が3次元メッシュのスタイリングだけでなく,球面のスタイル伝達とセグメント化のタスクにおける有効性を示す。
様々な球面サンプリング戦略の性能に関する徹底的なアブレーション研究を行う。
関連論文リスト
- GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。
本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。
提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
論文 参考訳(メタデータ) (2022-10-19T17:56:03Z) - Neural Convolutional Surfaces [59.172308741945336]
この研究は、大域的、粗い構造から、微細で局所的で、おそらく繰り返される幾何学を歪める形状の表現に関係している。
このアプローチは, 最先端技術よりも優れたニューラル形状圧縮を実現するとともに, 形状詳細の操作と伝達を可能にする。
論文 参考訳(メタデータ) (2022-04-05T15:40:11Z) - OSLO: On-the-Sphere Learning for Omnidirectional images and its
application to 360-degree image compression [59.58879331876508]
全方向画像の表現モデルの学習について検討し、全方向画像の深層学習モデルで使用される数学的ツールを再定義するために、HEALPixの球面一様サンプリングの特性を利用することを提案する。
提案したオン・ザ・スフィア・ソリューションは、等方形画像に適用された類似の学習モデルと比較して、13.7%のビットレートを節約できる圧縮ゲインを向上させる。
論文 参考訳(メタデータ) (2021-07-19T22:14:30Z) - Concentric Spherical GNN for 3D Representation Learning [53.45704095146161]
同心球面特徴写像を学習するための新しい多解畳み込みアーキテクチャを提案する。
当社の階層的アーキテクチャは、球内情報と球間情報の両方を組み込むための代替学習に基づいています。
回転データを用いた3次元分類作業における最先端性能向上へのアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2021-03-18T19:05:04Z) - Spherical Transformer: Adapting Spherical Signal to CNNs [53.18482213611481]
Spherical Transformerは、球状信号を標準CNNで直接処理できるベクトルに変換できます。
我々は,球面MNIST認識,3次元オブジェクト分類,全方向画像セマンティックセグメンテーションの課題に対するアプローチを評価する。
論文 参考訳(メタデータ) (2021-01-11T12:33:16Z) - DiffusionNet: Discretization Agnostic Learning on Surfaces [48.658589779470454]
本研究では,空間コミュニケーションにおいて単純な拡散層が極めて有効であるという知見に基づいて,三次元表面の深層学習に新たなアプローチを導入する。
結果として得られるネットワークは、表面の様々なサンプリングと解像度を自動的に一般化する。
主に三角形メッシュ表面に注目し, 表面分類, セグメンテーション, 非剛性対応など, 様々なタスクの最先端結果を示す。
論文 参考訳(メタデータ) (2020-12-01T23:24:22Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳(メタデータ) (2020-10-23T14:49:02Z)
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。