Fugu-MT 論文翻訳(概要): Rig Inversion by Training a Differentiable Rig Function

論文の概要: Rig Inversion by Training a Differentiable Rig Function

arxiv url: http://arxiv.org/abs/2301.09567v1
Date: Wed, 11 Jan 2023 20:21:58 GMT
ステータス: 処理完了
システム内更新日: 2023-01-29 13:50:22.588876
Title: Rig Inversion by Training a Differentiable Rig Function
Title（参考訳）: 微分可能リグ関数のトレーニングによるリグインバージョン
Authors: Mathieu Marquis Bolduc, Hau Nghiep Phan
Abstract要約: リグ反転は、与えられた入力メッシュを最もよく近似するrigパラメータベクトルを見つける方法を作成する問題である。本稿では,まず,多層パーセプトロンをトレーニングして,そのリグ関数を近似することにより,微分可能なリグ関数を求める。この微分可能なrig関数は、rig反転のディープラーニングモデルをトレーニングするために使用できる。
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: Rig inversion is the problem of creating a method that can find the rig parameter vector that best approximates a given input mesh. In this paper we propose to solve this problem by first obtaining a differentiable rig function by training a multi layer perceptron to approximate the rig function. This differentiable rig function can then be used to train a deep learning model of rig inversion.
Abstract（参考訳）: リグ反転は、与えられた入力メッシュを最もよく近似するrigパラメータベクトルを見つける方法を作成する問題である。本稿では,まず,多層パーセプトロンをトレーニングして,そのリグ関数を近似することにより,微分可能なリグ関数を求める。この微分可能なリグ関数は、リグ反転のディープラーニングモデルのトレーニングに使用できる。

関連論文リスト

Fully Differentiable Correlation-driven 2D/3D Registration for X-ray to CT Image Fusion [3.868072865207522]
画像ベース剛性2D/3Dレジストレーションは, 蛍光ガイド下外科手術において重要な技術である。デュアルブランチCNN変換器エンコーダを用いた完全微分型相関型ネットワークを提案する。組込み情報に基づく低周波特徴と高周波特徴の分解に対して相関型損失を提案する。
論文参考訳（メタデータ） (2024-02-04T14:12:51Z)
NPEFF: Non-Negative Per-Example Fisher Factorization [52.44573961263344]
エンド・ツー・エンドの微分可能モデルに容易に適用可能な,NPEFFと呼ばれる新しい解釈可能性手法を提案する。我々はNPEFFが言語モデルと視覚モデルの実験を通して解釈可能なチューニングを持つことを実証した。
論文参考訳（メタデータ） (2023-10-07T02:02:45Z)
3D Object Positioning Using Differentiable Multimodal Learning [1.8231854497751137]
本稿では,レーダデータを用いたマルチモーダル手法について述べる。本稿では、自動運転車の訓練に使用される複数の種類のデータのシミュレーション手法を提案する。
論文参考訳（メタデータ） (2023-09-06T17:30:26Z)
Learning High-Dimensional Nonparametric Differential Equations via Multivariate Occupation Kernel Functions [0.31317409221921133]
通常の微分方程式の非パラメトリック系を学ぶには、$d$変数の$d$関数を学ぶ必要がある。明示的な定式化は、スパーシティや対称性といったシステム特性に関する追加の知識が得られない限り、$d$で2次的にスケールする。本稿では,ベクトル値の再現Kernel Hilbert Spacesによる暗黙の定式化を用いた線形学習手法を提案する。
論文参考訳（メタデータ） (2023-06-16T21:49:36Z)
DiffSkill: Skill Abstraction from Differentiable Physics for Deformable Object Manipulations with Tools [96.38972082580294]
DiffSkillは、変形可能なオブジェクト操作タスクを解決するために、スキル抽象化に微分可能な物理シミュレータを使用する新しいフレームワークである。特に、勾配に基づくシミュレーターから個々のツールを用いて、まず短距離のスキルを得る。次に、RGBD画像を入力として取り込む実演軌跡から、ニューラルネットワークの抽象体を学習する。
論文参考訳（メタデータ） (2022-03-31T17:59:38Z)
Multiwavelet-based Operator Learning for Differential Equations [3.0824316066680484]
本稿では,関連する演算子のカーネルを圧縮する,テキストマルチウェーブレットに基づくニューラル演算子学習方式を提案する。逆マルチウェーブレットフィルタを明示的に埋め込み、固定されたマルチウェーブレットベースへのカーネルのプロジェクションを学習する。既存のニューラル演算子アプローチと比較して、我々のモデルは、さまざまなデータセットにおいて、かなり精度が高く、最先端であることを示している。
論文参考訳（メタデータ） (2021-09-28T03:21:47Z)
Recurrent Multi-view Alignment Network for Unsupervised Surface Registration [79.72086524370819]
非厳格な登録をエンドツーエンドで学習することは、本質的に高い自由度とラベル付きトレーニングデータの欠如により困難である。我々は、いくつかの剛性変換のポイントワイドな組み合わせで、非剛性変換を表現することを提案する。また,投影された多視点2次元深度画像上での3次元形状の類似度を計測する可微分損失関数も導入する。
論文参考訳（メタデータ） (2020-11-24T14:22:42Z)
Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文参考訳（メタデータ） (2020-10-28T22:24:07Z)
Deep FPF: Gain function approximation in high-dimensional setting [8.164433158925592]
フィードバック粒子フィルタ(FPF)の利得関数を近似する新しい手法を提案する。数値的な問題は、確率分布からサンプリングされた有限個の粒子のみを用いて、正確な利得関数を近似することである。近年のディープラーニング手法の成功に触発されて、我々はゲイン関数をニューラルネットワークの出力の勾配として表現した。
論文参考訳（メタデータ） (2020-10-02T20:17:21Z)
Sample Factory: Egocentric 3D Control from Pixels at 100000 FPS with Asynchronous Reinforcement Learning [68.2099740607854]
サンプルファクトリー(Sample Factory)は、シングルマシン設定に最適化された高スループットトレーニングシステムである。我々のアーキテクチャは、非常に効率的で非同期なGPUベースのサンプリングと、オフポリシー補正技術を組み合わせています。我々は,Sample Factoryを拡張して,セルフプレイと人口ベーストレーニングをサポートし,これらのテクニックを多人数一対一シューティングゲームのための高度なエージェントの訓練に応用する。
論文参考訳（メタデータ） (2020-06-21T10:00:23Z)
Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。次に、効率的な手順で特徴写像を密に再構築する。提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文参考訳（メタデータ） (2020-03-19T15:36:31Z)

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。