論文の概要: Stable and Consistent Prediction of 3D Characteristic Orientation via Invariant Residual Learning

• arxiv url: http://arxiv.org/abs/2306.11406v1
• Date: Tue, 20 Jun 2023 09:29:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 14:51:51.305776
• Title: Stable and Consistent Prediction of 3D Characteristic Orientation via Invariant Residual Learning
• Title（参考訳）: 不変残差学習による3次元特性の安定・一貫性予測
• Authors: Seungwook Kim, Chunghyun Park, Yoonwoo Jeong, Jaesik Park, Minsu Cho
• Abstract要約: 本稿では,入力点雲の形状と意味を分離し,安定性と一貫性を両立させる新しい手法を提案する。 実験では,提案手法は優れた安定性と一貫性を示すだけでなく,最先端の性能を示す。
• 参考スコア（独自算出の注目度）: 42.44798841872727
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning to predict reliable characteristic orientations of 3D point clouds is an important yet challenging problem, as different point clouds of the same class may have largely varying appearances. In this work, we introduce a novel method to decouple the shape geometry and semantics of the input point cloud to achieve both stability and consistency. The proposed method integrates shape-geometry-based SO(3)-equivariant learning and shape-semantics-based SO(3)-invariant residual learning, where a final characteristic orientation is obtained by calibrating an SO(3)-equivariant orientation hypothesis using an SO(3)-invariant residual rotation. In experiments, the proposed method not only demonstrates superior stability and consistency but also exhibits state-of-the-art performances when applied to point cloud part segmentation, given randomly rotated inputs.
• Abstract（参考訳）: 3次元点雲の信頼性のある特性配向を予測することは、同じクラスの異なる点雲に大きく異なる外観があるため、重要な課題である。 本稿では,入力点雲の形状形状と意味を分離し,安定性と一貫性を両立させる新しい手法を提案する。 提案手法は形状幾何学に基づくSO(3)-同変学習と形状意味に基づくSO(3)-不変残差学習を統合し,SO(3)-同変残差回転を用いてSO(3)-同変配向仮説を校正することにより最終特性配向を求める。 実験では, 提案手法は安定性と整合性を向上するだけでなく, ランダムに回転した入力に対して, 点雲部分のセグメンテーションに適用した場合に, 最先端の性能を示す。

関連論文リスト

• A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
  近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。 本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
  論文  参考訳（メタデータ） (2024-05-24T21:09:19Z)
• Learning SO(3)-Invariant Semantic Correspondence via Local Shape Transform [62.27337227010514]
  RISTと呼ばれる局所形状変換を用いた自己教師型回転不変3次元対応学習システムを提案する。 RISTは、挑戦的なクラス内変分と任意の向きの下でも、形状間の密接な対応を確立することを学ぶ。 RISTは、任意の回転点雲対に与えられる3D部分ラベル転送とセマンティックキーポイント転送の最先端性能を示す。
  論文  参考訳（メタデータ） (2024-04-17T08:09:25Z)
• Unsupervised diffeomorphic cardiac image registration using parameterization of the deformation field [6.343400988017304]
  本研究では,移動メッシュパラメータ化に基づくエンドツーエンドの非教師付き微分同相変形型登録フレームワークを提案する。 提案手法の有効性を,2次元および3次元心臓MRIスキャンを含む3つの異なるデータセット上で評価することにより検討した。
  論文  参考訳（メタデータ） (2022-08-28T19:34:10Z)
• E2PN: Efficient SE(3)-Equivariant Point Network [12.520265159777255]
  本稿では,3次元点雲からSE(3)-等価特徴を学習するための畳み込み構造を提案する。 カーネルポイント畳み込み(カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、KPConv、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション
  論文  参考訳（メタデータ） (2022-06-11T02:15:46Z)
• Shape-Pose Disentanglement using SE(3)-equivariant Vector Neurons [59.83721247071963]
  本研究では,点雲を標準形状表現に符号化するための教師なし手法を提案する。 エンコーダは安定で一貫性があり、形状のエンコーダは純粋にポーズ不変である。 抽出された回転と変換は、同じクラスの異なる入力形状を共通の標準ポーズに意味的に整合させることができる。
  論文  参考訳（メタデータ） (2022-04-03T21:00:44Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Fully Steerable 3D Spherical Neurons [14.86655504533083]
  本稿では,球面決定曲面からなり,点雲上で動作可能なフィードフォワード学習方式を提案する。 我々の理論の固有の幾何学的3次元構造のため、我々はその原子部分に対して3次元の操舵性制約を導出する。 モデルパラメータが推論時にどのように完全に制御可能であるかを示す。
  論文  参考訳（メタデータ） (2021-06-02T16:30:02Z)
• SNARF: Differentiable Forward Skinning for Animating Non-Rigid Neural Implicit Shapes [117.76767853430243]
  SNARFは多角形メッシュに対する線形ブレンドスキンの利点とニューラル暗黙表面の利点を組み合わせたものである。 反復ルート探索を用いて任意の変形点のすべての正準対応を探索するフォワードスキンモデルを提案する。 最先端のニューラルネットワークの暗黙的表現と比較すると,このアプローチは,精度を維持しつつ,未認識のポーズを一般化する。
  論文  参考訳（メタデータ） (2021-04-08T17:54:59Z)
• 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)
• 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)

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。