Fugu-MT 論文翻訳(概要): IC classifier: a classifier for 3D industrial components based on geometric prior using GNN

論文の概要: IC classifier: a classifier for 3D industrial components based on geometric prior using GNN

arxiv url: http://arxiv.org/abs/2303.05730v1
Date: Fri, 10 Mar 2023 06:23:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-13 15:59:21.625045
Title: IC classifier: a classifier for 3D industrial components based on geometric prior using GNN
Title（参考訳）: IC分類器:GNNを用いた幾何学的先行に基づく3次元産業部品の分類器
Authors: Zipeng Lin, Zhenguo Nie
Abstract要約: IC分類器は、オブジェクトの局所構造とグローバル構造に焦点を合わせるように設計されている。提案するフレームワークのパフォーマンスは、最先端のモデルに対してベンチマークされる。
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: In this paper, we propose an approach to address the problem of classifying 3D industrial components by introducing a novel framework named IC-classifier (Industrial Component classifier). Our framework is designed to focus on the object's local and global structures, emphasizing the former by incorporating specific local features for embedding the model. By utilizing graphical neural networks and embedding derived from geometric properties, IC-classifier facilitates the exploration of the local structures of the object while using geometric attention for the analysis of global structures. Furthermore, the framework uses point clouds to circumvent the heavy computation workload. The proposed framework's performance is benchmarked against state-of-the-art models, demonstrating its potential to compete in the field.
Abstract（参考訳）: 本稿では,IC-classifier(Industrial Component Classifier)という新しいフレームワークを導入することで,3次元産業部品の分類問題に対処する手法を提案する。我々のフレームワークは、オブジェクトの局所的およびグローバル的構造に焦点を合わせ、モデルを埋め込むための特定の局所的特徴を組み込むことにより、前者を強調するように設計されている。グラフィカルニューラルネットワークの利用と幾何学的性質からの埋め込みにより、IC分類器は、大域構造の解析に幾何学的注意を用いたオブジェクトの局所構造の探索を容易にする。さらに、フレームワークはポイントクラウドを使用して、重い計算ワークロードを回避します。提案したフレームワークのパフォーマンスは最先端のモデルに対してベンチマークされ、この分野での競争の可能性を示している。

関連論文リスト

Principal Orthogonal Latent Components Analysis (POLCA Net) [0.27309692684728604]
表現学習は、分類、予測、クラスタリングといったタスクにより有用で関連性の高い機能を学ぶことを目的としている。我々はPCAとLDA機能を非線形領域に模倣し拡張するためのPOLCANet(Principal Orthogonal Latent Components Analysis Network)を導入する。
論文参考訳（メタデータ） (2024-10-09T14:04:31Z)
Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
論文参考訳（メタデータ） (2024-07-26T06:29:09Z)
ARO-Net: Learning Implicit Fields from Anchored Radial Observations [25.703496065476067]
3次元形状の暗黙的場表現を学習するための新しい形状符号化であるアンカードラジアル観測(ARO)を導入する。固定されたアンカーの集合を用いて、フィボナッチサンプリングを行い、座標に基づくディープニューラルネットワークを設計することにより、汎用的で統一された形状表現を開発する。 ARO-Netと命名されたネットワークの質と汎用性を,スパース点雲から表面再構成した上で実証する。
論文参考訳（メタデータ） (2022-12-19T16:29:20Z)
SemAffiNet: Semantic-Affine Transformation for Point Cloud Segmentation [94.11915008006483]
ポイントクラウドセマンティックセグメンテーションのためのSemAffiNetを提案する。我々はScanNetV2とNYUv2データセットについて広範な実験を行った。
論文参考訳（メタデータ） (2022-05-26T17:00:23Z)
Structure-Aware Feature Generation for Zero-Shot Learning [108.76968151682621]
潜在空間と生成ネットワークの両方を学習する際の位相構造を考慮し,SA-GANと呼ばれる新しい構造認識特徴生成手法を提案する。本手法は,未確認クラスの一般化能力を大幅に向上させ,分類性能を向上させる。
論文参考訳（メタデータ） (2021-08-16T11:52:08Z)
Dense Graph Convolutional Neural Networks on 3D Meshes for 3D Object Segmentation and Classification [0.0]
本稿では3次元メッシュ上でのグラフ畳み込みニューラルネットワーク(GCN)の設計について述べる。メッシュの顔を基本処理単位とし、各ノードが顔に対応するグラフとして3Dメッシュを表現する。
論文参考訳（メタデータ） (2021-06-30T02:17:16Z)
PIG-Net: Inception based Deep Learning Architecture for 3D Point Cloud Segmentation [0.9137554315375922]
そこで我々はPIG-Netと呼ばれるインセプションに基づくディープネットワークアーキテクチャを提案し,点雲の局所的および大域的幾何学的詳細を効果的に特徴付ける。我々は2つの最先端データセット上でPIG-Netアーキテクチャの徹底的な実験的解析を行う。
論文参考訳（メタデータ） (2021-01-28T13:27:55Z)
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)
On the generalization of learning-based 3D reconstruction [10.516860541554632]
学習に基づく3次元再構成手法の一般化に影響を及ぼすモデルアーキテクチャで符号化された帰納バイアスについて検討する。 3つの帰納バイアスは,エンコーダの空間的範囲,シーンの基本的な形状を用いて点特徴を記述し,複数のビューから情報を集約する機構,といった性能に影響を及ぼすことがわかった。
論文参考訳（メタデータ） (2020-06-27T18:53:41Z)
GFPNet: A Deep Network for Learning Shape Completion in Generic Fitted Primitives [68.8204255655161]
本稿では,GP(Generic Primitives)と呼ばれるオブジェクト再構成装置を提案する。 GFPNet は ModelNet および KITTI ベンチマークデータセットの性能評価結果を提供することで, 形状完成手法の状況と競合することを示す。
論文参考訳（メタデータ） (2020-06-03T08:29:27Z)
Neural Entity Linking: A Survey of Models Based on Deep Learning [82.43751915717225]
本調査では,2015年以降に開発されたニューラルエンティティリンク(EL)システムの包括的記述について報告する。その目標は、ニューラルエンティティリンクシステムの設計機能を体系化し、それらのパフォーマンスを一般的なベンチマーク上の注目すべき古典的手法と比較することである。この調査はエンティティリンクの応用に焦点をあて、最近出現した、深い事前訓練されたマスキング言語モデルを強化するユースケースに焦点を当てている。
論文参考訳（メタデータ） (2020-05-31T18:02:26Z)

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。