論文の概要: Revisiting Map Relations for Unsupervised Non-Rigid Shape Matching

• arxiv url: http://arxiv.org/abs/2310.11420v1
• Date: Tue, 17 Oct 2023 17:28:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 14:51:04.077309
• Title: Revisiting Map Relations for Unsupervised Non-Rigid Shape Matching
• Title（参考訳）: 教師なし非リジッド形状マッチングのための地図関係の再検討
• Authors: Dongliang Cao, Paul Roetzer, Florian Bernard
• Abstract要約: 非剛性3次元形状マッチングのための教師なし学習手法を提案する。 提案手法は,従来の最先端手法よりも大幅に優れていることを示す。
• 参考スコア（独自算出の注目度）: 18.957179015912402
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel unsupervised learning approach for non-rigid 3D shape matching. Our approach improves upon recent state-of-the art deep functional map methods and can be applied to a broad range of different challenging scenarios. Previous deep functional map methods mainly focus on feature extraction and aim exclusively at obtaining more expressive features for functional map computation. However, the importance of the functional map computation itself is often neglected and the relationship between the functional map and point-wise map is underexplored. In this paper, we systematically investigate the coupling relationship between the functional map from the functional map solver and the point-wise map based on feature similarity. To this end, we propose a self-adaptive functional map solver to adjust the functional map regularisation for different shape matching scenarios, together with a vertex-wise contrastive loss to obtain more discriminative features. Using different challenging datasets (including non-isometry, topological noise and partiality), we demonstrate that our method substantially outperforms previous state-of-the-art methods.
• Abstract（参考訳）: 非剛性3次元形状マッチングのための教師なし学習手法を提案する。 提案手法は,最近の最先端の深層関数マップ法を改良し,様々なシナリオに適用可能である。 従来のディープファンクショナルマップ手法は主に特徴抽出に焦点を当てており、機能マップ計算のためのより表現力のある特徴の獲得を目標としている。 しかし、関数写像計算自体の重要性は無視されることが多く、関数写像と点マップの関係は未解明である。 本稿では,機能地図解法と特徴類似性に基づく点マップとの結合関係を系統的に検討する。 そこで本研究では,異なる形状マッチングシナリオに対する関数マップの正則化を,頂点方向のコントラスト損失とともに調整し,より識別的な特徴を得る自己適応型関数マップソルバを提案する。 非等尺性、トポロジカルノイズ、部分性を含む)異なる挑戦的データセットを用いて、本手法が従来の最先端手法を大幅に上回ることを示す。

関連論文リスト

• Memory-Scalable and Simplified Functional Map Learning [32.088809326158554]
  本稿では,メモリスケーラブルで効率的な関数型マップ学習パイプラインを提案する。 関数マップの構造を利用することで、メモリにポイントワイズマップを格納することなく、同じ結果が得られる可能性を提供します。 このアルゴリズムを後処理のステップで使用する多くの関数型マップ学習法とは異なり、列車時に簡単に利用できる。
  論文  参考訳（メタデータ） (2024-03-30T12:01:04Z)
• Zero-Shot Image Feature Consensus with Deep Functional Maps [20.988872402347756]
  より優れた対応戦略が利用可能であることを示し,対応フィールドに直接構造を課す関数写像について述べる。 提案手法は,学習対象の大規模視覚モデルに埋め込まれた知識をよりよく反映し,よりスムーズなだけでなく,より正確に対応できることを示す。
  論文  参考訳（メタデータ） (2024-03-18T17:59:47Z)
• Spectral Meets Spatial: Harmonising 3D Shape Matching and Interpolation [50.376243444909136]
  本稿では,3次元形状の対応と形状の両面を統一的に予測する枠組みを提案する。 我々は、スペクトル領域と空間領域の両方の形状を地図化するために、奥行き関数写像フレームワークと古典的な曲面変形モデルを組み合わせる。
  論文  参考訳（メタデータ） (2024-02-29T07:26:23Z)
• Deep Frequency-Aware Functional Maps for Robust Shape Matching [17.276162941967943]
  本稿では、Deep Frequency-Aware Functional Mapと呼ばれる、教師なし学習に基づく新しいフレームワークを提案する。 まずスペクトルフィルタ演算子保存という一般制約を導入し,所望の関数写像を計算した。 次に,提案した制約を損失関数として直接利用して,関数写像,点写像,フィルタ関数を同時に監視する。
  論文  参考訳（メタデータ） (2024-02-06T11:16:18Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• Unsupervised Learning of Robust Spectral Shape Matching [12.740151710302397]
  頑健な3次元形状マッチングのための新しい学習手法を提案する。 提案手法は, 深い関数型マップ上に構築され, 完全に教師なしの方法で訓練することができる。
  論文  参考訳（メタデータ） (2023-04-27T02:12:47Z)
• Understanding and Improving Features Learned in Deep Functional Maps [31.61255365182462]
  より深い関数型マップアプローチで学習した特徴は、異なる形状のポイントワイド記述子として利用できることを示す。 本稿では,学習特徴の構造的特性を促進するため,標準的な深部関数型マップパイプラインを効果的に修正することを提案する。
  論文  参考訳（メタデータ） (2023-03-29T08:32:16Z)
• Neural Eigenfunctions Are Structured Representation Learners [93.53445940137618]
  本稿ではニューラル固有写像という,構造化された適応長の深部表現を提案する。 本稿では,データ拡張設定における正の関係から固有関数が導出される場合,NeuralEFを適用することで目的関数が得られることを示す。 画像検索システムにおいて,適応長符号のような表現を用いることを実証する。
  論文  参考訳（メタデータ） (2022-10-23T07:17:55Z)
• Smooth Non-Rigid Shape Matching via Effective Dirichlet Energy Optimization [46.30376601157526]
  ディリクレエネルギーによる点状写像の滑らかさを関数型写像パイプラインに導入する。 本稿では,効率よく最適化するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-05T14:07:17Z)
• 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)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)

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。