論文の概要: On Unsupervised Partial Shape Correspondence

• arxiv url: http://arxiv.org/abs/2310.14692v3
• Date: Wed, 30 Oct 2024 13:55:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:23:04.169879
• Title: On Unsupervised Partial Shape Correspondence
• Title（参考訳）: 教師なし部分形状対応について
• Authors: Amit Bracha, Thomas Dagès, Ron Kimmel,
• Abstract要約: 関数写像は部分性を呼び出すと推定された一致に誤差をもたらすと論じる。 部分形状マッチングのための新しい手法を提案する。 提案手法はSHREC'16データセットにおいて優れた性能を示す。
• 参考スコア（独自算出の注目度）: 9.175560202201819
• License:
• Abstract: While dealing with matching shapes to their parts, we often apply a tool known as functional maps. The idea is to translate the shape matching problem into "convenient" spaces by which matching is performed algebraically by solving a least squares problem. Here, we argue that such formulations, though popular in this field, introduce errors in the estimated match when partiality is invoked. Such errors are unavoidable even for advanced feature extraction networks, and they can be shown to escalate with increasing degrees of shape partiality, adversely affecting the learning capability of such systems. To circumvent these limitations, we propose a novel approach for partial shape matching. Our study of functional maps led us to a novel method that establishes direct correspondence between partial and full shapes through feature matching bypassing the need for functional map intermediate spaces. The Gromov Distance between metric spaces leads to the construction of the first part of our loss functions. For regularization we use two options: a term based on the area preserving property of the mapping, and a relaxed version that avoids the need to resort to functional maps. The proposed approach shows superior performance on the SHREC'16 dataset, outperforming existing unsupervised methods for partial shape matching.Notably, it achieves state-of-the-art results on the SHREC'16 HOLES benchmark, superior also compared to supervised methods. We demonstrate the benefits of the proposed unsupervised method when applied to a new dataset PFAUST for part-to-full shape correspondence.
• Abstract（参考訳）: 整合した形状を部品に扱いながら、関数マップと呼ばれるツールをしばしば適用します。 この考え方は、最小二乗問題を解くことによって、整合が代数的に実行されるような「連続」空間に形状マッチング問題を変換することである。 ここでは、このような定式化は、この分野では人気があるが、部分性を呼び出すと推定された一致に誤差を導入することを論じる。 このようなエラーは高度な特徴抽出ネットワークでも避けられず、形状部分性の増大とともにエスカレートし、そのようなシステムの学習能力に悪影響を及ぼすことを示すことができる。 これらの制限を回避するために,部分的な形状マッチングのための新しいアプローチを提案する。 関数写像の研究により,関数写像中間空間の必要性を回避し,特徴マッチングによって部分形状と完全形状の直接対応を確立する新しい手法が得られた。 距離空間間のグロモフ距離は、損失関数の最初の部分を構成する。 正規化には、写像の領域保存性に基づく項と、関数写像に頼らないような緩和されたバージョンという2つのオプションを使う。 提案手法はSHREC'16データセットにおいて,従来の部分形状マッチング法よりも優れた性能を示すが,SHREC'16 HOLESベンチマークでは,教師付き手法よりも優れている。 提案手法の利点を,パート・ツー・フル形状対応のための新しいデータセット PFAUST に適用した場合に示す。

関連論文リスト

• Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
  乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。 本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。 提案手法の有効性を4つの標準ベンチマークで示す。
  論文  参考訳（メタデータ） (2024-07-10T16:51:32Z)
• 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)
• Revisiting Map Relations for Unsupervised Non-Rigid Shape Matching [18.957179015912402]
  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。
  論文  参考訳（メタデータ） (2023-10-17T17:28:03Z)
• 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)
• Zero-Shot 3D Shape Correspondence [67.18775201037732]
  本稿では,3次元形状間の対応性を計算するためのゼロショット手法を提案する。 我々は、最近の基礎モデルの言語と視覚における例外的な推論能力を活用している。 提案手法は, 強い非等尺形状の間において, ゼロショット方式で高確率な結果をもたらす。
  論文  参考訳（メタデータ） (2023-06-05T21:14:23Z)
• 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)
• Deep Confidence Guided Distance for 3D Partial Shape Registration [14.315501760755609]
  部分的から部分的な3次元形状登録のための新しい非定型学習法を提案する。 本稿では,信頼誘導距離ネットワーク(CGD-net)を紹介し,点埋め込みと点雲間の空間距離との学習可能な類似性を融合させる。
  論文  参考訳（メタデータ） (2022-01-27T08:40:05Z)
• 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)
• DPFM: Deep Partial Functional Maps [28.045544079256686]
  我々は、潜在的に有意な部分性を有する非剛体形状間の密接な対応を計算することの問題を考察する。 部分的な非剛体形状対応を直接目的とする初等学習手法を提案する。 我々のアプローチは関数マップフレームワークを使用し、教師なしまたは教師なしの方法で訓練し、データから直接記述子を学習する。
  論文  参考訳（メタデータ） (2021-10-19T14:05:37Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)

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。