論文の概要: Similarity among the 2D-shapes and the analysis of dissimilarity scores
- arxiv url: http://arxiv.org/abs/2211.04998v1
- Date: Wed, 9 Nov 2022 16:22:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 17:14:53.112861
- Title: Similarity among the 2D-shapes and the analysis of dissimilarity scores
- Title(参考訳): 2D-shapesの類似性と相違点の解析
- Authors: Karel Zimmermann
- Abstract要約: 本稿では,2次元形状の相違を計算し,測定するための概念的に単純で直感的な手法を提案する。
結果の相同性行列を解釈し、視覚化するいくつかの方法が提示され、比較される。
- 参考スコア(独自算出の注目度): 0.38073142980732994
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a conceptually simple and intuitive method to calculate and to
measure the dissimilarities among 2D shapes. Several methods to interpret and
to visualize the resulting dissimilarity matrix are presented and compared.
- Abstract(参考訳): 本研究では,概念的に単純で直感的な2次元形状間の相似性を計算し,測定する手法を提案する。
結果の相似性行列を解釈し視覚化するためのいくつかの方法が提示され、比較される。
関連論文リスト
- Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
最適公正表現はいくつかの有用な構造特性を持つことを示す。
そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
論文 参考訳(メタデータ) (2024-09-26T08:46:48Z) - Spectral Meets Spatial: Harmonising 3D Shape Matching and Interpolation [50.376243444909136]
本稿では,3次元形状の対応と形状の両面を統一的に予測する枠組みを提案する。
我々は、スペクトル領域と空間領域の両方の形状を地図化するために、奥行き関数写像フレームワークと古典的な曲面変形モデルを組み合わせる。
論文 参考訳(メタデータ) (2024-02-29T07:26:23Z) - Revealing Multimodal Contrastive Representation Learning through Latent
Partial Causal Models [85.67870425656368]
マルチモーダルデータに特化して設計された統一因果モデルを提案する。
マルチモーダル・コントラスト表現学習は潜在結合変数の同定に優れていることを示す。
実験では、仮定が破られたとしても、我々の発見の堅牢性を示す。
論文 参考訳(メタデータ) (2024-02-09T07:18:06Z) - Evaluating the Robustness of Interpretability Methods through
Explanation Invariance and Equivariance [72.50214227616728]
解釈可能性法は、それらの説明が説明されたモデルを忠実に記述した場合にのみ有用である。
特定の対称性群の下で予測が不変であるニューラルネットワークを考える。
論文 参考訳(メタデータ) (2023-04-13T17:59:03Z) - Similarity and symmetry measures based on fuzzy descriptors of image
objects` composition [0.0]
本稿では,画像オブジェクトを示す境界ボックスを付加した画像の類似度と対称性を測定する手法について述べる。
提案手法により、境界ボックスの集合を比較して、基礎となる画像の類似度を推定することができる。
論文 参考訳(メタデータ) (2021-07-28T21:42:19Z) - Learning Gaussian Graphical Models with Latent Confounders [74.72998362041088]
我々は、グラフィカルモデルにおける推論のための2つの戦略を、潜伏した共同創設者と比較し、対比する。
これら2つのアプローチは、類似した目標を持っているが、それらは共起に関する異なる仮定によって動機付けられている。
これら2つのアプローチの強みを組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2021-05-14T00:53:03Z) - Model-Agnostic Explainability for Visual Search [34.60934564594901]
画像の類似性、検索、検索のためのモデルに依存しない説明を生成する新しいアプローチを提案します。
これらのアプローチは、ブラックおよびグレーボックスモデルのイントロスペクションを可能にし、エラーを診断し、モデルの類似性判断の背後にある根拠を理解するのに役立ちます。
論文 参考訳(メタデータ) (2021-02-28T01:24:15Z) - Direct Estimation of Appearance Models for Segmentation [0.0]
画像から外観モデルを直接推定するための新しいアプローチについて述べる。
本手法は局所的な画像統計と空間的コヒーレントな領域の出現モデルとを関連づけた代数的表現に基づく。
本研究では,提案手法が実用的に有効であることを示す実験結果を示し,効果的な画像分割アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-22T15:50:39Z) - Bias-corrected estimator for intrinsic dimension and differential
entropy--a visual multiscale approach [0.0]
本稿では,本論文の系統的偏りを含む固有および微分エントロピー推定器について検討する。
これら2つの基本尺度の結合推定とバイアス補正のための実用的手法を提案する。
両推定器は一つのアプローチの相補的な部分であり、微分エントロピーと内在次元の同時推定は互いに意味を持つことが示されている。
論文 参考訳(メタデータ) (2020-04-30T00:29:28Z) - Convex Shape Representation with Binary Labels for Image Segmentation:
Models and Fast Algorithms [7.847719964338735]
凸形状の新規かつ効果的なバイナリ表現を提案する。
形状凸性と関連する指標関数のいくつかの性質との等価性を示す。
論文 参考訳(メタデータ) (2020-02-22T01:55:20Z) - Inverse Learning of Symmetries [71.62109774068064]
2つの潜在部分空間からなるモデルで対称性変換を学ぶ。
我々のアプローチは、情報ボトルネックと連続的な相互情報正規化器の組み合わせに基づいています。
我々のモデルは, 人工的および分子的データセットにおける最先端の手法より優れている。
論文 参考訳(メタデータ) (2020-02-07T13:48:52Z)
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。