論文の概要: Evaluating 3D Shape Analysis Methods for Robustness to Rotation Invariance

• arxiv url: http://arxiv.org/abs/2305.18557v1
• Date: Mon, 29 May 2023 18:39:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 19:48:13.656404
• Title: Evaluating 3D Shape Analysis Methods for Robustness to Rotation Invariance
• Title（参考訳）: 回転不変性に対するロバストネスの3次元形状解析法の評価
• Authors: Supriya Gadi Patil, Angel X. Chang, Manolis Savva
• Abstract要約: 本稿では,最近の3次元形状記述子のSO(3)回転に対する堅牢性について解析する。 物体が異なる方向で行われる3次元屋内シーンのデータベースを考察する。
• 参考スコア（独自算出の注目度）: 22.306775502181818
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper analyzes the robustness of recent 3D shape descriptors to SO(3) rotations, something that is fundamental to shape modeling. Specifically, we formulate the task of rotated 3D object instance detection. To do so, we consider a database of 3D indoor scenes, where objects occur in different orientations. We benchmark different methods for feature extraction and classification in the context of this task. We systematically contrast different choices in a variety of experimental settings investigating the impact on the performance of different rotation distributions, different degrees of partial observations on the object, and the different levels of difficulty of negative pairs. Our study, on a synthetic dataset of 3D scenes where objects instances occur in different orientations, reveals that deep learning-based rotation invariant methods are effective for relatively easy settings with easy-to-distinguish pairs. However, their performance decreases significantly when the difference in rotations on the input pair is large, or when the degree of observation of input objects is reduced, or the difficulty level of input pair is increased. Finally, we connect feature encodings designed for rotation-invariant methods to 3D geometry that enable them to acquire the property of rotation invariance.
• Abstract（参考訳）: 本稿では,最近の3次元形状記述子のSO(3)回転に対する堅牢性について解析する。 具体的には、回転した3Dオブジェクトインスタンス検出のタスクを定式化する。 そこで我々は,異なる方向から物体が出現する3次元屋内シーンのデータベースについて考察する。 このタスクの文脈において,特徴抽出と分類のための異なる手法をベンチマークする。 異なる回転分布の性能, 物体に対する偏観測の程度, 負対の難易度などについて, 様々な実験において, 異なる選択を系統的に比較検討した。 本研究では,オブジェクトインスタンスが異なる向きに出現する3次元シーンの合成データセットについて,深層学習に基づく回転不変量法が比較的容易な設定に有効であることを明らかにする。 しかし、入力対の回転差が大きい場合や、入力対象の観察度が低下する場合や、入力対の難易度が大きくなる場合には、その性能は著しく低下する。 最後に、回転不変法用に設計された特徴エンコーディングを3次元幾何学と結びつけ、回転不変性の性質を取得する。

関連論文リスト

• PaRot: Patch-Wise Rotation-Invariant Network via Feature Disentanglement and Pose Restoration [16.75367717130046]
  最先端モデルは回転に対して堅牢ではなく、実際の応用に先立って未知のままである。 Patch-wise Rotation-invariant Network (PaRot)を導入する。 本モジュールは高品質な回転ロバスト特性を抽出し,提案した軽量モデルにより競争結果が得られた。
  論文  参考訳（メタデータ） (2023-02-06T02:13:51Z)
• Category-Level 6D Object Pose Estimation with Flexible Vector-Based Rotation Representation [51.67545893892129]
  モノクロRGB-D画像からカテゴリレベルの6次元ポーズとサイズ推定のための新しい3次元グラフ畳み込みに基づくパイプラインを提案する。 まず,3次元グラフ畳み込みを用いた向き対応オートエンコーダの設計を行った。 そして, 回転情報を潜在特徴から効率的に復号化するために, フレキシブルなベクトルベースデコンポーザブルな回転表現を設計する。
  論文  参考訳（メタデータ） (2022-12-09T02:13:43Z)
• Equivariant Point Network for 3D Point Cloud Analysis [17.689949017410836]
  点雲解析のための実効的で実用的なSE(3)(3次元翻訳と回転)同変ネットワークを提案する。 まず,6次元の畳み込みを2つの分離可能な畳み込み作用素に分解する新しい枠組みであるSE(3)分離点畳み込みを提案する。 第2に,同変特徴の表現性を効果的に活用するアテンション層を導入する。
  論文  参考訳（メタデータ） (2021-03-25T21:57:10Z)
• FS-Net: Fast Shape-based Network for Category-Level 6D Object Pose Estimation with Decoupled Rotation Mechanism [49.89268018642999]
  6次元ポーズ推定のための効率的なカテゴリレベルの特徴抽出が可能な高速形状ベースネットワーク(FS-Net)を提案する。 提案手法は,カテゴリレベルおよびインスタンスレベルの6Dオブジェクトのポーズ推定における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-03-12T03:07:24Z)
• Adjoint Rigid Transform Network: Task-conditioned Alignment of 3D Shapes [86.2129580231191]
  Adjoint Rigid Transform (ART) Networkは、さまざまな3Dネットワークと統合可能なニューラルネットワークモジュールである。 ARTは入力の形状を学習した標準方向に回転させることを学び、多くのタスクに欠かせない。 さらなる研究のために、コードと事前訓練されたモデルをリリースします。
  論文  参考訳（メタデータ） (2021-02-01T20:58:45Z)
• PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
  既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。 この2つのタスクを同一のメトリック空間で統一するモデルを提案する。 提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-17T05:11:38Z)
• Rotation-Invariant Point Convolution With Multiple Equivariant Alignments [1.0152838128195467]
  回転同変アライメントを用いることで、任意の畳み込み層を回転不変にすることができることを示す。 このコア層では、オブジェクト分類とセマンティックセグメンテーションの両方における最先端の結果を改善する回転不変アーキテクチャを設計します。
  論文  参考訳（メタデータ） (2020-12-07T20:47:46Z)
• Rotation-Invariant Local-to-Global Representation Learning for 3D Point Cloud [42.86112554931754]
  本稿では,3次元点クラウドデータに対する局所的-言語的表現学習アルゴリズムを提案する。 本モデルは,グラフ畳み込みニューラルネットワークに基づく多レベル抽象化を利用する。 提案アルゴリズムは,3次元物体の回転認識とセグメント化のベンチマークにおいて,最先端の性能を示す。
  論文  参考訳（メタデータ） (2020-10-07T10:30:20Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)
• An Analysis of SVD for Deep Rotation Estimation [63.97835949897361]
  SVDが回転群に射影する自然な選択であることを示す理論的解析を提案する。 解析の結果,既存の表現をSVDの直交化手順に置き換えれば,多くのディープラーニングアプリケーションにおいて,技術性能の状態を得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-25T17:58:28Z)

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。