論文の概要: Partial Symmetry Detection for 3D Geometry using Contrastive Learning
with Geodesic Point Cloud Patches
- arxiv url: http://arxiv.org/abs/2312.08230v1
- Date: Wed, 13 Dec 2023 15:48:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 14:45:10.038950
- Title: Partial Symmetry Detection for 3D Geometry using Contrastive Learning
with Geodesic Point Cloud Patches
- Title（参考訳）: 測地点雲パッチを用いたコントラスト学習による3次元形状の部分対称性検出
- Authors: Gregor Kobsik, Isaak Lim, Leif Kobbelt
- Abstract要約: 我々は,測地線点雲パッチの回転,反射,翻訳,スケール不変な局所形状の特徴を学習することを提案する。
この曖昧な問題に対して,本手法は複数の有効な解を抽出可能であることを示す。
検出された対称性を領域成長アルゴリズムと組み合わせて下流タスクを実証する。
- 参考スコア（独自算出の注目度）: 10.48309709793733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Symmetry detection, especially partial and extrinsic symmetry, is essential
for various downstream tasks, like 3D geometry completion, segmentation,
compression and structure-aware shape encoding or generation. In order to
detect partial extrinsic symmetries, we propose to learn rotation, reflection,
translation and scale invariant local shape features for geodesic point cloud
patches via contrastive learning, which are robust across multiple classes and
generalize over different datasets. We show that our approach is able to
extract multiple valid solutions for this ambiguous problem. Furthermore, we
introduce a novel benchmark test for partial extrinsic symmetry detection to
evaluate our method. Lastly, we incorporate the detected symmetries together
with a region growing algorithm to demonstrate a downstream task with the goal
of computing symmetry-aware partitions of 3D shapes. To our knowledge, we are
the first to propose a self-supervised data-driven method for partial extrinsic
symmetry detection.
- Abstract（参考訳）: 対称性検出、特に部分的および外在対称性は、3次元幾何の完成、セグメンテーション、圧縮、構造認識形状の符号化や生成といった様々な下流タスクに不可欠である。
本研究では, 測地点雲パッチの回転, 反射, 翻訳, スケール不変な局所形状特徴を, 複数のクラスにまたがって頑健で, 異なるデータセットにまたがって一般化するコントラスト学習により学習することを提案する。
この曖昧な問題に対して,複数の有効な解を抽出できることを示す。
さらに,本手法を評価するために,部分固有対称性検出のための新しいベンチマークテストを導入する。
最後に,検出された対称性を領域成長アルゴリズムと組み合わせて,3次元形状の対称性を考慮した分割計算を目標とする下流課題を示す。
我々は,部分的外部対称性検出のための自己教師付きデータ駆動手法を最初に提案する。
関連論文リスト
- Symmetry Strikes Back: From Single-Image Symmetry Detection to 3D Generation [29.732780338284353]
我々は,多種多様な実世界のシナリオに対して堅牢な一般化が可能なスケーラブルなゼロショット対称性検出器であるReflect3Dを紹介する。
検出された対称性を単一画像の3D生成パイプラインに組み込むことの実用的利点を示す。
論文 参考訳（メタデータ） (2024-11-26T04:14:31Z) - Oracle-Preserving Latent Flows [58.720142291102135]
我々はラベル付きデータセット全体にわたって複数の非自明な連続対称性を同時に発見するための方法論を開発する。
対称性変換と対応するジェネレータは、特別に構築された損失関数で訓練された完全連結ニューラルネットワークでモデル化される。
この研究における2つの新しい要素は、縮小次元の潜在空間の使用と、高次元のオラクルに関して不変な変換への一般化である。
論文 参考訳（メタデータ） (2023-02-02T00:13:32Z) - Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras
from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。
完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。
また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文 参考訳（メタデータ） (2023-01-13T16:25:25Z) - 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) - Using Machine Learning to Detect Rotational Symmetries from Reflectional
Symmetries in 2D Images [0.0]
本稿では、異なる最先端自動対称性検出アルゴリズムを比較して後者を支援することに焦点を当てる。
画像中の局所対称性を見つけ、検出された対称性の選択を改善し、別の対称性タイプ(回転)を特定するための後処理の改善を提案する。
本研究では,局所対称性を検出する拡張アルゴリズムと,回転対称性を分類する機械学習モデルの性能を実証し,解析する。
論文 参考訳（メタデータ） (2022-01-17T19:14:58Z) - Robust Extrinsic Symmetry Estimation in 3D Point Clouds [4.416484585765027]
3次元点雲で表される物体の反射対称性面を検出することは、3次元コンピュータビジョンと幾何学処理の基本的な問題である。
本稿では,外乱や欠落部分に対して頑健な反射対称性の平面に対する統計的推定器に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-21T03:09:51Z) - Recurrently Estimating Reflective Symmetry Planes from Partial
Pointclouds [5.098175145801009]
代わりに、高さ次元に沿ってデータをスライスし、2次元畳み込み再帰回帰スキームに順次渡す新しい符号化法を提案する。
提案手法は,全合成対象の平面反射対称性推定作業における最先端技術に匹敵する精度を有することを示す。
論文 参考訳（メタデータ） (2021-06-30T15:26:15Z) - Self-supervised Geometric Perception [96.89966337518854]
自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。
また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
論文 参考訳（メタデータ） (2021-03-04T15:34:43Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳（メタデータ） (2020-10-23T14:49:02Z) - SymmetryNet: Learning to Predict Reflectional and Rotational Symmetries
of 3D Shapes from Single-View RGB-D Images [26.38270361331076]
本稿では3次元物体の反射対称性と回転対称性の両方を予測できるエンドツーエンドのディープニューラルネットワークを提案する。
単視点RGB-D画像に基づく3次元対称性検出のベンチマークにも貢献する。
論文 参考訳（メタデータ） (2020-08-02T14:10:09Z) - From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized
3D Point Clouds [59.98665358527686]
直交平面の分割自由結合推定法を提案する。
このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。
本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
論文 参考訳（メタデータ） (2020-01-21T06:51:47Z)
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。