論文の概要: Holistically-Attracted Wireframe Parsing: From Supervised to Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2210.12971v1
• Date: Mon, 24 Oct 2022 06:39:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 17:38:12.092900
• Title: Holistically-Attracted Wireframe Parsing: From Supervised to Self-Supervised Learning
• Title（参考訳）: 理論的に抽出されたワイヤーフレーム解析:教師付きから自己教師付き学習へ
• Authors: Nan Xue, Tianfu Wu, Song Bai, Fu-Dong Wang, Gui-Song Xia, Liangpei Zhang, Philip H.S. Torr
• Abstract要約: 本稿では,2次元画像に対するHolisticAttracted Wireframe Parsingを提案する。 提案したHAWPは,線分と終点の生成,バインディング線分エンドポイント,コンテキスト認識という3つのコンポーネントから構成される。
• 参考スコア（独自算出の注目度）: 123.58263152571952
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents Holistically-Attracted Wireframe Parsing (HAWP) for 2D images using both fully supervised and self-supervised learning paradigms. At the core is a parsimonious representation that encodes a line segment using a closed-form 4D geometric vector, which enables lifting line segments in wireframe to an end-to-end trainable holistic attraction field that has built-in geometry-awareness, context-awareness and robustness. The proposed HAWP consists of three components: generating line segment and end-point proposal, binding line segment and end-point, and end-point-decoupled lines-of-interest verification. For self-supervised learning, a simulation-to-reality pipeline is exploited in which a HAWP is first trained using synthetic data and then used to ``annotate" wireframes in real images with Homographic Adaptation. With the self-supervised annotations, a HAWP model for real images is trained from scratch. In experiments, the proposed HAWP achieves state-of-the-art performance in both the Wireframe dataset and the YorkUrban dataset in fully-supervised learning. It also demonstrates a significantly better repeatability score than prior arts with much more efficient training in self-supervised learning. Furthermore, the self-supervised HAWP shows great potential for general wireframe parsing without onerous wireframe labels.
• Abstract（参考訳）: 本稿では,完全教師付き学習パラダイムと自己教師型学習パラダイムを併用した2次元画像に対するHWP(Holistically-Attracted Wireframe Parsing)を提案する。 コアは、閉じた形式の4d幾何学的ベクトルを用いて線分を符号化する散文表現であり、ワイヤーフレーム内の線分を、幾何学的認識、文脈認識、ロバスト性を備えたエンドツーエンドの訓練可能な総合的アトラクションフィールドへ持ち上げることができる。 提案したHAWPは,線分と終点提案,結合線分と終点,終点分離線分検証という3つのコンポーネントから構成される。 自己教師付き学習では、HAWPを合成データを用いて訓練し、Homographic Adaptationを用いて実画像中の「アノテーション」ワイヤーフレームを使用するシミュレーション対現実パイプラインが利用される。 自己教師付きアノテーションでは、実際のイメージに対するhawpモデルがスクラッチからトレーニングされる。 実験では、提案したHAWPは、完全教師付き学習において、Wireframeデータセットと YorkUrbanデータセットの両方で最先端のパフォーマンスを達成する。 また、自己教師型学習において、より効率的なトレーニングを施した先行技術よりもはるかに優れた再現性スコアを示す。 さらに、自己教師付きhawpは、有意なワイヤフレームラベルを使わずに一般的なワイヤフレーム解析を行う大きな可能性を示している。

関連論文リスト

• PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic Occupancy Prediction [72.75478398447396]
  本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。 また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。 プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
  論文  参考訳（メタデータ） (2023-08-31T17:57:17Z)
• NEAT: Distilling 3D Wireframes from Neural Attraction Fields [52.90572335390092]
  本稿では,3次元再構成セグメントと焦点接合を用いたラインフレーム接合の問題について検討する。 ProjectNEATは、クロスアートマッチングをゼロから行わずに、ジョイントニューラルフィールドとビューを楽しみます。
  論文  参考訳（メタデータ） (2023-07-14T07:25:47Z)
• PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
  LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。 現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。 本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
  論文  参考訳（メタデータ） (2020-12-18T18:06:43Z)
• PlueckerNet: Learn to Register 3D Line Reconstructions [57.20244406275875]
  本稿では,ユークリッド空間における2つの部分重畳された3次元線再構成の問題をニューラルネットワークで解く手法を提案する。 室内および屋外の両方のデータセットを用いた実験により,本手法の登録精度(回転と翻訳)は,ベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-12-02T11:31:56Z)
• Multi Projection Fusion for Real-time Semantic Segmentation of 3D LiDAR Point Clouds [2.924868086534434]
  本稿では,ポイントクラウドの複数のプロジェクションを利用する3次元ポイントクラウドセマンティックセマンティックセマンティクスの新しいアプローチを提案する。 我々のMulti-Projection Fusionフレームワークは、2つの異なる高効率2次元完全畳み込みモデルを用いて球面および鳥眼の視射影を解析する。
  論文  参考訳（メタデータ） (2020-11-03T19:40:43Z)
• Learning to Parse Wireframes in Images of Man-Made Environments [40.471924713855735]
  人為的環境の表現課題に対する「ワイヤーフレーム」に基づくアプローチを提案する。 2つの大きな線とその分岐点を抽出するのに適したネットワークを構築した。
  論文  参考訳（メタデータ） (2020-07-15T07:54:18Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)

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。