論文の概要: An Intrinsic Vector Heat Network

• arxiv url: http://arxiv.org/abs/2406.09648v1
• Date: Fri, 14 Jun 2024 00:40:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-17 15:23:26.448810
• Title: An Intrinsic Vector Heat Network
• Title（参考訳）: 固有ベクトル熱ネットワーク
• Authors: Alexander Gao, Maurice Chu, Mubbasir Kapadia, Ming C. Lin, Hsueh-Ti Derek Liu,
• Abstract要約: 本稿では,3次元に埋め込まれた接ベクトル場を学習するためのニューラルネットワークアーキテクチャを提案する。 本研究では, ベクトル値の特徴データを空間的に伝播させるために, トレーニング可能なベクトル熱拡散モジュールを提案する。 また,四面体メッシュ生成の産業的有用性に対する本手法の有効性を実証した。
• 参考スコア（独自算出の注目度）: 64.55434397799728
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vector fields are widely used to represent and model flows for many science and engineering applications. This paper introduces a novel neural network architecture for learning tangent vector fields that are intrinsically defined on manifold surfaces embedded in 3D. Previous approaches to learning vector fields on surfaces treat vectors as multi-dimensional scalar fields, using traditional scalar-valued architectures to process channels individually, thus fail to preserve fundamental intrinsic properties of the vector field. The core idea of this work is to introduce a trainable vector heat diffusion module to spatially propagate vector-valued feature data across the surface, which we incorporate into our proposed architecture that consists of vector-valued neurons. Our architecture is invariant to rigid motion of the input, isometric deformation, and choice of local tangent bases, and is robust to discretizations of the surface. We evaluate our Vector Heat Network on triangle meshes, and empirically validate its invariant properties. We also demonstrate the effectiveness of our method on the useful industrial application of quadrilateral mesh generation.
• Abstract（参考訳）: ベクトル場は多くの科学や工学の応用のためにフローを表現しモデル化するために広く使われている。 本稿では,3次元に埋め込まれた多様体上に固有に定義された接ベクトル場を学習するためのニューラルネットワークアーキテクチャを提案する。 曲面上のベクトル場を学習する以前のアプローチでは、ベクトルを多次元スカラー場として扱い、従来のスカラー値アーキテクチャを用いてチャネルを個別に処理し、したがってベクトル場の基本的な内在的性質を保存できなかった。 この研究の中核となる考え方は、ベクトル値の特徴データを空間的に伝播させる訓練可能なベクトル熱拡散モジュールの導入である。 我々の構造は入力の剛性運動、等尺変形、局所接地基底の選択に不変であり、表面の離散化に頑健である。 トライアングルメッシュ上でベクトル熱ネットワークを評価し,その不変性を実証的に検証した。 また,四面体メッシュ生成の産業的有用性に対する本手法の有効性を実証した。

関連論文リスト

• Geometry Distributions [51.4061133324376]
  本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。 提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。 本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-25T04:06:48Z)
• VariGrad: A Novel Feature Vector Architecture for Geometric Deep Learning on Unregistered Data [3.4447129363520337]
  本稿では,3次元幾何データの特徴ベクトル表現を計算するために,変数勾配を利用した新しい幾何学的深層を提案する。 我々のモデルでは、パラメータ化独立な幾何データの変数表現を使用することで、与えられたサンプリングやパラメータ化に依存しないデータ上でモデルのトレーニングとテストが可能である。
  論文  参考訳（メタデータ） (2023-07-07T12:37:37Z)
• Neural Vector Fields: Implicit Representation by Explicit Learning [63.337294707047036]
  ニューラルベクトル場 (Neural Vector Fields, NVF) という新しい3次元表現法を提案する。 メッシュを直接操作するための明示的な学習プロセスを採用するだけでなく、符号なし距離関数(UDF)の暗黙的な表現も採用している。 提案手法は,まず表面への変位クエリを予測し,テキスト再構成として形状をモデル化する。
  論文  参考訳（メタデータ） (2023-03-08T02:36:09Z)
• Neural Vector Fields for Implicit Surface Representation and Inference [73.25812045209001]
  近年, 3次元形状を正確に表現し, 学習する試みが盛んに行われている。 我々は、3次元空間における単位ベクトルを考慮し、それをベクトル場(Vector Field, VF)と呼ぶ新しい基本表現を開発する。 VF表現の利点は、オープン、クローズド、多層化、平面面の断片化である。
  論文  参考訳（メタデータ） (2022-04-13T17:53:34Z)
• Comparing vector fields across surfaces: interest for characterizing the orientations of cortical folds [0.2578242050187029]
  本稿では,ベクトル場を原面から共通領域へ輸送する枠組みを提案する。 提案フレームワークはベクトル場上の統計の計算を可能にする。 様々な種類のベクトル場や表面に適用でき、医用画像に高い応用が期待できる。
  論文  参考訳（メタデータ） (2021-06-14T14:56:44Z)
• A Differential Geometry Perspective on Orthogonal Recurrent Models [56.09491978954866]
  我々は微分幾何学からのツールと洞察を用いて、直交rnnの新しい視点を提供する。 直交RNNは、発散自由ベクトル場の空間における最適化と見なすことができる。 この観測に動機づけられて、ベクトル場全体の空間にまたがる新しいリカレントモデルの研究を行う。
  論文  参考訳（メタデータ） (2021-02-18T19:39:22Z)
• Semi-supervised Learning by Latent Space Energy-Based Model of Symbol-Vector Coupling [55.866810975092115]
  半教師付き学習のための潜在宇宙エネルギーに基づく事前モデルを提案する。 本手法は,半教師付き学習タスクにおいてよく機能することを示す。
  論文  参考訳（メタデータ） (2020-10-19T09:55:14Z)
• A Short Review on Data Modelling for Vector Fields [5.51641435875237]
  機械学習手法は、幅広いデータ分析と分析タスクを扱うことに成功している。 近年、ディープニューラルネットワークを用いたエンドツーエンドモデリングスキームの成功により、より高度で構造化された実用的なデータへの拡張が可能になった。 本稿では,ベクトルデータ表現,空間データの予測モデル,コンピュータビジョン,信号処理,経験科学など,最近のベクトル場の計算ツールについて述べる。
  論文  参考訳（メタデータ） (2020-09-01T17:07:29Z)

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。