論文の概要: DiscoMatch: Fast Discrete Optimisation for Geometrically Consistent 3D Shape Matching
- arxiv url: http://arxiv.org/abs/2310.08230v2
- Date: Tue, 26 Nov 2024 07:49:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-28 15:23:41.909200
- Title: DiscoMatch: Fast Discrete Optimisation for Geometrically Consistent 3D Shape Matching
- Title（参考訳）: DiscoMatch: 幾何学的に一貫性のある3次元形状マッチングのための高速離散最適化
- Authors: Paul Roetzer, Ahmed Abbas, Dongliang Cao, Florian Bernard, Paul Swoboda,
- Abstract要約: 本稿では,3次元形状マッチングにおける学習ベースとフォーマリズムの利点を組み合わせることを提案する。
我々の解法は準ニュートン法で大きく並列化可能である。
- 参考スコア（独自算出の注目度）: 32.896242822749834
- License:
- Abstract: In this work we propose to combine the advantages of learningbased and combinatorial formalisms for 3D shape matching. While learningbased methods lead to state-of-the-art matching performance, they do not ensure geometric consistency, so that obtained matchings are locally non-smooth. On the contrary, axiomatic, optimisation-based methods allow to take geometric consistency into account by explicitly constraining the space of valid matchings. However, existing axiomatic formalisms do not scale to practically relevant problem sizes, and require user input for the initialisation of non-convex optimisation problems. We work towards closing this gap by proposing a novel combinatorial solver that combines a unique set of favourable properties: our approach (i) is initialisation free, (ii) is massively parallelisable and powered by a quasi-Newton method, (iii) provides optimality gaps, and (iv) delivers improved matching quality with decreased runtime and globally optimal results for many instances.
- Abstract（参考訳）: 本研究では,3次元形状マッチングにおける学習ベースと組合せ形式の利点を組み合わせることを提案する。
学習に基づく手法は最先端のマッチング性能をもたらすが、幾何整合性は保証されないため、得られたマッチングは局所的に非滑らかである。
それとは対照的に、公理的最適化に基づく手法は、有効マッチングの空間を明示的に制限することにより、幾何的整合性を考慮することができる。
しかし、既存の公理的形式は実際に関係する問題のサイズにスケールせず、非凸最適化問題の初期化にユーザ入力を必要とする。
我々は、このギャップを埋めるために、一意に望ましい性質のセットを組み合わせた新しい組合せ解法を提案する:我々のアプローチ
i)初期化は自由である。
(ii)は準ニュートン法で大きく並列化可能である。
(三)最適性ギャップを与え、
(iv) ランタイムの低下と多くのインスタンスのグローバルな最適結果により、マッチング品質が向上する。
関連論文リスト
- Learning Partial Graph Matching via Optimal Partial Transport [2.4378101048225735]
最適部分移動にインスパイアされた部分グラフマッチングのための新しいフレームワークを提案する。
提案手法は, 偏りを取り入れつつ部分的代入を可能にする目的を定式化したものである。
我々の手法は,3次最悪のケースタイムの複雑さの中で,効率的かつ正確な解が得られる。
論文 参考訳（メタデータ） (2024-10-22T05:56:57Z) - SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。
いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
論文 参考訳（メタデータ） (2023-08-16T14:25:30Z) - Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。
微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文 参考訳（メタデータ） (2023-02-24T18:41:48Z) - 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) - Multiway Non-rigid Point Cloud Registration via Learned Functional Map
Synchronization [105.14877281665011]
我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。
提案手法は,登録精度において最先端の性能を達成できることを実証する。
論文 参考訳（メタデータ） (2021-11-25T02:37:59Z) - Learning Canonical Embedding for Non-rigid Shape Matching [36.85782408336389]
本稿では,非剛体形状マッチングのための標準埋め込みを学習する新しいフレームワークを提供する。
我々のフレームワークはエンドツーエンドで訓練されており、一般的に使用されているLaplace-Beltramiベースに関連する不安定性と制約を回避する。
論文 参考訳（メタデータ） (2021-10-06T18:09:13Z) - 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) - MINA: Convex Mixed-Integer Programming for Non-Rigid Shape Alignment [77.38594866794429]
非剛体形状マッチングのための凸混合整数プログラミングの定式化。
効率的な低次元離散モデルに基づく新しい形状変形モデルを提案する。
論文 参考訳（メタデータ） (2020-02-28T09:54:06Z)
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。