論文の概要: G-MSM: Unsupervised Multi-Shape Matching with Graph-based Affinity Priors

• arxiv url: http://arxiv.org/abs/2212.02910v1
• Date: Tue, 6 Dec 2022 12:09:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 16:59:01.617887
• Title: G-MSM: Unsupervised Multi-Shape Matching with Graph-based Affinity Priors
• Title（参考訳）: G-MSM: グラフベース親和性優先条件による教師なしマルチ形状マッチング
• Authors: Marvin Eisenberger, Aysim Toker, Laura Leal-Taix\'e, Daniel Cremers
• Abstract要約: G-MSMは、非剛体形状対応のための新しい教師なし学習手法である。 学習形態の集合に親和性グラフを自己教師型で構築する。 近年の形状対応ベンチマークで最先端の性能を示す。
• 参考スコア（独自算出の注目度）: 52.646396621449
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present G-MSM (Graph-based Multi-Shape Matching), a novel unsupervised learning approach for non-rigid shape correspondence. Rather than treating a collection of input poses as an unordered set of samples, we explicitly model the underlying shape data manifold. To this end, we propose an adaptive multi-shape matching architecture that constructs an affinity graph on a given set of training shapes in a self-supervised manner. The key idea is to combine putative, pairwise correspondences by propagating maps along shortest paths in the underlying shape graph. During training, we enforce cycle-consistency between such optimal paths and the pairwise matches which enables our model to learn topology-aware shape priors. We explore different classes of shape graphs and recover specific settings, like template-based matching (star graph) or learnable ranking/sorting (TSP graph), as special cases in our framework. Finally, we demonstrate state-of-the-art performance on several recent shape correspondence benchmarks, including real-world 3D scan meshes with topological noise and challenging inter-class pairs.
• Abstract（参考訳）: G-MSM (Graph-based Multi-Shape Matching) は,非剛体形状対応のための教師なし学習手法である。 入力ポーズの集合を無順序なサンプル集合として扱うのではなく、基礎となる形状データ多様体を明示的にモデル化する。 そこで本研究では,与えられたトレーニング形状の集合に対して,自己教師付きでアフィニティグラフを構築する適応型多形マッチングアーキテクチャを提案する。 鍵となる考え方は、下層の形状グラフの最も短い経路に沿って地図を伝播することによって、仮定的対対応を組み合わせることである。 学習中, 最適経路とペアワイズマッチングのサイクル一貫性を強制し, モデルがトポロジー認識型を学習できるようにする。 テンプレートベースのマッチング(スターグラフ)や学習可能なランキング・ソート(tspグラフ)といった,さまざまなシェープグラフのクラスを調査して,特定の設定を回復します。 最後に,近年の形状対応ベンチマークにおいて,トポロジカルノイズを伴う実世界の3dスキャンメッシュやクラス間ペアの挑戦など,最先端のパフォーマンスを示す。

関連論文リスト

• Unsupervised Deep Multi-Shape Matching [15.050801537501462]
  3次元形状マッチングは、コンピュータビジョンとコンピュータグラフィックスにおける長年の問題である。 本稿では, サイクル一貫性のあるマルチマッチングを実現するための, 深層多形マッチング手法を提案する。 提案手法は、いくつかの挑戦的なベンチマークデータセットに対して、最先端の結果を達成している。
  論文  参考訳（メタデータ） (2022-07-20T01:22:08Z)
• Similarity-aware Positive Instance Sampling for Graph Contrastive Pre-training [82.68805025636165]
  トレーニングセット内の既存グラフから直接正のグラフインスタンスを選択することを提案する。 私たちの選択は、特定のドメイン固有のペアワイズ類似度測定に基づいています。 さらに,ノードを動的にマスキングしてグラフ上に均等に分配する適応ノードレベルの事前学習手法を開発した。
  論文  参考訳（メタデータ） (2022-06-23T20:12:51Z)
• Template based Graph Neural Network with Optimal Transport Distances [11.56532171513328]
  現在のグラフニューラルネットワーク(GNN)アーキテクチャは、2つの重要なコンポーネントに依存している。 本稿では,学習可能なグラフテンプレートとの距離をグラフ表現のコアに配置する新しい視点を提案する。 この距離埋め込みは、Fused Gromov-Wasserstein (FGW) 距離という最適な輸送距離によって構築される。
  論文  参考訳（メタデータ） (2022-05-31T12:24:01Z)
• Bending Graphs: Hierarchical Shape Matching using Gated Optimal Transport [80.64516377977183]
  形状マッチングは、コンピュータグラフィックスと視覚のコミュニティにとって長い間研究されてきた問題である。 局所的なパッチレベル情報とグローバルな形状レベルの構造を組み込んだ階層型学習設計について検討する。 本研究では,非信頼ノード上の特徴を逐次更新し,形状間の一貫した一致を学習することで,新しい最適輸送解法を提案する。
  論文  参考訳（メタデータ） (2022-02-03T11:41:46Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)
• Stochastic Iterative Graph Matching [11.128153575173213]
  本稿では,グラフマッチング問題に対処する新しいモデルであるIterative Graph MAtchingを提案する。 我々のモデルはグラフ対のマッチングの分布を定義し、モデルが様々な可能なマッチングを探索できるようにする。 我々は、生化学やコンピュータビジョンの応用と同様に、合成グラフデータセットにまたがる広範な実験を行う。
  論文  参考訳（メタデータ） (2021-06-04T02:05:35Z)
• Isometric Multi-Shape Matching [50.86135294068138]
  形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。 アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。 定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
  論文  参考訳（メタデータ） (2020-12-04T15:58:34Z)

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。