論文の概要: AGAR: Attention Graph-RNN for Adaptative Motion Prediction of Point Clouds of Deformable Objects

• arxiv url: http://arxiv.org/abs/2307.09936v1
• Date: Wed, 19 Jul 2023 12:21:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 14:07:27.274968
• Title: AGAR: Attention Graph-RNN for Adaptative Motion Prediction of Point Clouds of Deformable Objects
• Title（参考訳）: AGAR: 変形可能な物体の点雲の適応運動予測のための注意グラフRNN
• Authors: Pedro Gomes, Silvia Rossi, Laura Toni
• Abstract要約: 変形可能な3Dオブジェクトのポイントクラウド予測のための改良されたアーキテクチャを提案する。 具体的には、変形可能な形状を扱うために、点雲の空間構造を学習し、活用するグラフベースのアプローチを提案する。 提案した適応モジュールは各点の局所的および大域的な動きの合成を制御し、変形可能な3Dオブジェクトの複雑な動きをより効率的にモデル化することができる。
• 参考スコア（独自算出の注目度）: 7.414594429329531
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper focuses on motion prediction for point cloud sequences in the challenging case of deformable 3D objects, such as human body motion. First, we investigate the challenges caused by deformable shapes and complex motions present in this type of representation, with the ultimate goal of understanding the technical limitations of state-of-the-art models. From this understanding, we propose an improved architecture for point cloud prediction of deformable 3D objects. Specifically, to handle deformable shapes, we propose a graph-based approach that learns and exploits the spatial structure of point clouds to extract more representative features. Then we propose a module able to combine the learned features in an adaptative manner according to the point cloud movements. The proposed adaptative module controls the composition of local and global motions for each point, enabling the network to model complex motions in deformable 3D objects more effectively. We tested the proposed method on the following datasets: MNIST moving digits, the Mixamo human bodies motions, JPEG and CWIPC-SXR real-world dynamic bodies. Simulation results demonstrate that our method outperforms the current baseline methods given its improved ability to model complex movements as well as preserve point cloud shape. Furthermore, we demonstrate the generalizability of the proposed framework for dynamic feature learning, by testing the framework for action recognition on the MSRAction3D dataset and achieving results on-par with state-of-the-art methods
• Abstract（参考訳）: 本稿では,人体運動などの変形可能な3次元物体の難題における点雲列の運動予測に焦点を当てた。 まず,このような表現における変形可能な形状や複雑な動きが生み出す課題について,最先端のモデルの技術的限界を理解するという究極の目標から検討する。 この理解から,変形可能な3dオブジェクトのポイントクラウド予測のための改良されたアーキテクチャを提案する。 具体的には,変形可能な形状を扱うために,点雲の空間構造を学習し,活用するグラフベースの手法を提案する。 次に,学習した特徴を点雲の動きに応じて適応的に組み合わせることのできるモジュールを提案する。 提案する適応モジュールは,各点に対する局所運動と大域運動の組み合わせを制御し,変形可能な3次元物体の複雑な動きをより効果的にモデル化する。 提案手法は,MNIST移動桁,Mixamo人体運動,JPEG,CWIPC-SXR実世界動体を用いて検討した。 シミュレーションの結果, 複雑な動きをモデル化し, 点雲形状を保存できるため, 現在のベースライン法を上回った。 さらに,MSRAction3Dデータセット上で動作認識のためのフレームワークをテストし,最先端の手法と同等の結果を得ることにより,動的特徴学習のためのフレームワークの一般化可能性を示す。

関連論文リスト

• Object Dynamics Modeling with Hierarchical Point Cloud-based Representations [1.3934784414106087]
  本稿では,連続点畳み込みに基づく新しいU-netアーキテクチャを提案する。 ダウンサンプリングされた点雲のボトルネック層は、より優れた長距離相互作用モデリングをもたらす。 我々の手法は、特に正確な重力や衝突の推論を必要とするシナリオにおいて、最先端の手法を大幅に改善する。
  論文  参考訳（メタデータ） (2024-04-09T06:10:15Z)
• Dynamic 3D Point Cloud Sequences as 2D Videos [81.46246338686478]
  3Dポイントクラウドシーケンスは、現実世界の環境における最も一般的で実用的な表現の1つとして機能する。 textitStructured Point Cloud Videos (SPCV) と呼ばれる新しい汎用表現を提案する。 SPCVは点雲列を空間的滑らかさと時間的一貫性を持つ2Dビデオとして再編成し、画素値は点の3D座標に対応する。
  論文  参考訳（メタデータ） (2024-03-02T08:18:57Z)
• Robust 3D Tracking with Quality-Aware Shape Completion [67.9748164949519]
  そこで本研究では,高密度および完全点の雲からなる合成対象表現について,ロバストな3次元追跡のための形状完備化により正確に表現する。 具体的には, 形状が整ったボキセル化3次元追跡フレームワークを設計し, ノイズのある歴史的予測の悪影響を軽減するために, 品質に配慮した形状完備化機構を提案する。
  論文  参考訳（メタデータ） (2023-12-17T04:50:24Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• ACID: Action-Conditional Implicit Visual Dynamics for Deformable Object Manipulation [135.10594078615952]
  本稿では,体積変形可能なオブジェクトに対する動作条件の視覚力学モデルであるACIDを紹介する。 ベンチマークには17,000以上のアクション・トラジェクトリー、6種類のぬいぐるみと78種類の変種が含まれている。 我々のモデルは、幾何学、対応、力学の予測において最高の性能を達成する。
  論文  参考訳（メタデータ） (2022-03-14T04:56:55Z)
• Self-Supervised Learning of Part Mobility from Point Cloud Sequence [9.495859862104515]
  動的対象を表す点列から,部品のセグメント化と動作特性の予測を行う自己教師型手法を提案する。 シーケンスの連続するフレーム間の相関を利用してトラジェクトリを生成する。 動作部分分割, 動き軸予測, 動き範囲推定など, 様々なタスクにおける提案手法の評価を行った。
  論文  参考訳（メタデータ） (2020-10-20T11:29:46Z)
• Hindsight for Foresight: Unsupervised Structured Dynamics Models from Physical Interaction [24.72947291987545]
  エージェントが世界と対話することを学ぶための鍵となる課題は、オブジェクトの物理的性質を推論することである。 本研究では,ラベルのない3次元点群と画像から直接,ロボットのインタラクションのダイナミクスをモデル化するための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-02T11:04:49Z)
• InfoFocus: 3D Object Detection for Autonomous Driving with Dynamic Information Modeling [65.47126868838836]
  動的情報モデリングを用いた新しい3次元オブジェクト検出フレームワークを提案する。 粗い予測は、ボクセルベースの領域提案ネットワークを介して第1段階で生成される。 大規模なnuScenes 3D検出ベンチマークで実験を行った。
  論文  参考訳（メタデータ） (2020-07-16T18:27:08Z)
• Learning 3D Human Shape and Pose from Dense Body Parts [117.46290013548533]
  本研究では,3次元の人体形状を学習し,身体部分の密接な対応からポーズをとるために,分解・集約ネットワーク(DaNet)を提案する。 ローカルストリームからのメッセージは集約され、回転ベースのポーズの堅牢な予測が強化される。 提案手法は,Human3.6M,UP3D,COCO,3DPWを含む屋内および実世界のデータセットで検証される。
  論文  参考訳（メタデータ） (2019-12-31T15:09:51Z)

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。