Fugu-MT 論文翻訳(概要): Shape complexity estimation using VAE

論文の概要: Shape complexity estimation using VAE

arxiv url: http://arxiv.org/abs/2304.02766v1
Date: Wed, 5 Apr 2023 22:14:53 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 16:02:56.230831
Title: Shape complexity estimation using VAE
Title（参考訳）: VAEを用いた形状複雑性推定
Authors: Markus Rothgaenger, Andrew Melnik, Helge Ritter
Abstract要約: 本稿では,2次元形状の複雑さを推定する手法を比較する。本稿では,潜在ベクトルの大きさの異なる変分オートエンコーダの再構成損失を利用する手法を提案する。
参考スコア（独自算出の注目度）: 0.17188280334580194
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we compare methods for estimating the complexity of two-dimensional shapes and introduce a method that exploits reconstruction loss of Variational Autoencoders with different sizes of latent vectors. Although complexity of a shape is not a well defined attribute, different aspects of it can be estimated. We demonstrate that our methods captures some aspects of shape complexity. Code and training details will be publicly available.
Abstract（参考訳）: 本稿では,2次元形状の複雑さを推定する手法を比較し,潜在ベクトルの大きさの異なる変分オートエンコーダの再構成損失を利用した手法を提案する。形状の複雑さは明確に定義された属性ではないが、その異なる側面を推定することができる。我々の手法は形状の複雑さのいくつかの側面を捉えている。コードとトレーニングの詳細は公開されます。

関連論文リスト

ComboStoc: Combinatorial Stochasticity for Diffusion Generative Models [65.82630283336051]
拡散生成モデルの既存のトレーニングスキームにより,次元と属性の組み合わせによって区切られた空間が十分に標本化されていないことを示す。構造を完全に活用するプロセスを構築し,ComboStocという名前でこの問題に対処する。
論文参考訳（メタデータ） (2024-05-22T15:23:10Z)
Learned Indexing in Proteins: Substituting Complex Distance Calculations with Embedding and Clustering Techniques [2.239917051803691]
著者らは3次元タンパク質構造探索の複雑な問題に対する軽量な解法を提案する。この解は、(i)3次元タンパク質の構造情報の非常にコンパクトなベクトルへの変換、(ii)これらのベクトルをグループ化し、類似したオブジェクトの所定の個数を返すことでクエリに応答する確率モデルの使用、(iii)基本ベクトル距離関数を適用して結果を洗練する最終的なフィルタリングステップからなる。
論文参考訳（メタデータ） (2022-08-18T15:22:42Z)
PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval and Deformation [59.70430570779819]
本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
論文参考訳（メタデータ） (2022-07-24T18:59:09Z)
A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D Shape Matching [69.14632473279651]
本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
論文参考訳（メタデータ） (2022-04-27T09:47:47Z)
Fast Hierarchical Games for Image Explanations [78.16853337149871]
本稿では,シェープリー係数の階層的拡張に基づく画像分類のモデル非依存な説明法を提案する。他のShapleyベースの説明手法とは異なり、h-Shapはスケーラブルで近似を必要とせずに計算できる。本手法は,合成データセット,医用画像シナリオ,一般コンピュータビジョン問題において,一般的なシャプリーベースおよび非サプリーベース手法と比較した。
論文参考訳（メタデータ） (2021-04-13T13:11:02Z)
Spectral Unions of Partial Deformable 3D Shapes [31.93707121229739]
まず, 与えられた部分形状間の密接な対応を第一に解くことなく, 非剛性変形形状の合成を計算する最初の方法を提案する。我々のアプローチはデータ駆動であり、表面の等尺および非等尺変形に一般化することができる。
論文参考訳（メタデータ） (2021-03-31T14:19:18Z)
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)
SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
論文参考訳（メタデータ） (2020-10-22T07:15:23Z)
Deep Geometric Functional Maps: Robust Feature Learning for Shape Correspondence [31.840880075039944]
非剛体3次元形状間の対応性を計算するための新しい学習手法を提案する。提案手法の鍵となるのは, 生形状から直接学習する特徴抽出ネットワークである。
論文参考訳（メタデータ） (2020-03-31T15:20:17Z)
Multimodal Shape Completion via Conditional Generative Adversarial Networks [34.51271516263473]
形状取得装置から部分的データを取得するための深層学習法が提案されている。我々は,一対多のマッピングを学習することで,複数の出力で部分的な形状を完成させようとする。我々は条件付き生成モデルを用いて部分的な形状を完遂する最初のマルチモーダル形状補完法を開発した。
論文参考訳（メタデータ） (2020-03-17T13:37:52Z)

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。