論文の概要: Theoretical Analysis for Expectation-Maximization-Based Multi-Model 3D Registration

• arxiv url: http://arxiv.org/abs/2405.08991v1
• Date: Tue, 14 May 2024 23:23:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-16 14:45:30.688712
• Title: Theoretical Analysis for Expectation-Maximization-Based Multi-Model 3D Registration
• Title（参考訳）: 期待最大化に基づくマルチモデル3次元レジストレーションの理論解析
• Authors: David Jin, Harry Zhang, Kai Chang,
• Abstract要約: 我々は,最近提案された予測最大化に基づくアルゴリズムの詳細な理論的解析を行い,多モデル3D登録という3次元登録問題のバリエーションを解決する。 特に、解析は、コース全体を通して様々なインスタンスで開発され、適用される確率的尾境界の使用を中心に展開される。
• 参考スコア（独自算出の注目度）: 1.8843687952462742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We perform detailed theoretical analysis of an expectation-maximization-based algorithm recently proposed in for solving a variation of the 3D registration problem, named multi-model 3D registration. Despite having shown superior empirical results, did not theoretically justify the conditions under which the EM approach converges to the ground truth. In this project, we aim to close this gap by establishing such conditions. In particular, the analysis revolves around the usage of probabilistic tail bounds that are developed and applied in various instances throughout the course. The problem studied in this project stands as another example, different from those seen in the course, in which tail-bounds help advance our algorithmic understanding in a probabilistic way. We provide self-contained background materials on 3D Registration
• Abstract（参考訳）: 我々は,最近提案された予測最大化に基づくアルゴリズムの詳細な理論的解析を行い,多モデル3D登録という3次元登録問題のバリエーションを解決する。 優れた経験結果を示したにもかかわらず、EMアプローチが基底真理に収束する条件を理論的には正当化しなかった。 本稿では,このような条件を定め,このギャップを埋めることを目的としている。 特に、解析は、コース全体を通して様々なインスタンスで開発され、適用される確率的尾境界の使用を中心に展開される。 このプロジェクトで研究された問題は、テールバウンドが確率論的方法でアルゴリズムの理解を促進するのに役立つコースとは異なる別の例である。 3Dレジストレーションに関する自己完結型背景資料を提供する

関連論文リスト

• Geometric Prior Guided Feature Representation Learning for Long-Tailed Classification [49.90107582624604]
  そこで,本論文では,よく表現されたヘッドクラスの特徴分布の幾何学的情報を活用し,モデルにテールクラスの基盤となる分布を学習させる手法を提案する。 パータード機能は、可能な限りテールクラスの基盤となる分布をカバーし、テスト領域におけるモデルの一般化性能を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-01-21T09:16:29Z)
• RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
  マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。 本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
  論文  参考訳（メタデータ） (2023-12-19T03:39:56Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Probabilistic Modeling for Human Mesh Recovery [73.11532990173441]
  本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。 我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
  論文  参考訳（メタデータ） (2021-08-26T17:55:11Z)
• Trace Ratio Optimization with an Application to Multi-view Learning [10.196148937138275]
  Stiefel多様体上のトレース比最適化問題を検討する。 この問題の特別なケースは、フィッシャー線形判別分析、正準相関解析、および不均衡プロクリスト問題から生じている。 新たなフレームワークとそのインスタンス化コンクリートモデルを提案し,実証した。
  論文  参考訳（メタデータ） (2021-01-12T04:38:09Z)
• Weakly Supervised Generative Network for Multiple 3D Human Pose Hypotheses [74.48263583706712]
  単一画像からの3次元ポーズ推定は、欠落した深さのあいまいさに起因する逆問題である。 逆問題に対処するために,弱い教師付き深層生成ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T09:26:01Z)
• Optimal approximations of available states and a triple uncertainty relation [8.351713971554405]
  利用可能な状態の集合に対する量子状態の最適凸近似について検討する。 量子ビット混合状態の分解のための簡潔な不等式基準を示す。 我々のモデルと手法は、高次元およびマルチパーティイトシナリオにおける同様の問題を解決するために適用することができる。
  論文  参考訳（メタデータ） (2020-06-15T23:31:51Z)
• Equivariant online predictions of non-stationary time series [0.0]
  モデル不特定条件下での統計的手法の理論的予測特性を解析する。 ランダムウォーク・ダイナミック・リニア・モデル(ランダムウォーク・ダイナミック・リニア・モデル)の特定のクラスが、正確なミニマックス予測密度を生成することを示す。
  論文  参考訳（メタデータ） (2019-11-20T01:46:24Z)

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。