論文の概要: Tensorial template matching for fast cross-correlation with rotations and its application for tomography
- arxiv url: http://arxiv.org/abs/2408.02398v1
- Date: Mon, 5 Aug 2024 11:42:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 13:46:54.795941
- Title: Tensorial template matching for fast cross-correlation with rotations and its application for tomography
- Title（参考訳）: 回転と高速相互相関のためのテンソルテンプレートマッチングとトモグラフィーへの応用
- Authors: Antonio Martinez-Sanchez, Ulrike Homberg, José María Almira, Harold Phelippeau,
- Abstract要約: 我々は、テンソル場を持つテンプレートのすべての回転を表す数学的枠組みに基づいて、テンソルテンプレートマッチングと呼ばれる新しいアルゴリズムを実装した。
テンソルテンプレートマッチングはテンプレートマッチングよりもはるかに高速であり,精度向上の可能性が示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Object detection is a main task in computer vision. Template matching is the reference method for detecting objects with arbitrary templates. However, template matching computational complexity depends on the rotation accuracy, being a limiting factor for large 3D images (tomograms). Here, we implement a new algorithm called tensorial template matching, based on a mathematical framework that represents all rotations of a template with a tensor field. Contrary to standard template matching, the computational complexity of the presented algorithm is independent of the rotation accuracy. Using both, synthetic and real data from tomography, we demonstrate that tensorial template matching is much faster than template matching and has the potential to improve its accuracy
- Abstract（参考訳）: 物体検出はコンピュータビジョンの主要な課題である。
テンプレートマッチングは任意のテンプレートでオブジェクトを検出するリファレンスメソッドである。
しかし、テンプレートマッチング計算の複雑さは、大きな3次元画像(トモグラム)の制限因子である回転精度に依存する。
ここでは、テンソル場を持つテンプレートのすべての回転を表す数学的枠組みに基づいて、テンソルテンプレートマッチングと呼ばれる新しいアルゴリズムを実装した。
標準的なテンプレートマッチングとは対照的に、提案アルゴリズムの計算複雑性は回転精度とは無関係である。
トモグラフィーからの合成データと実データの両方を用いて、テンソルテンプレートマッチングはテンプレートマッチングよりもはるかに高速であり、その精度を向上させる可能性があることを示す。
関連論文リスト
- SHIC: Shape-Image Correspondences with no Keypoint Supervision [106.99157362200867]
正準曲面マッピングは、オブジェクトの各ピクセルを3Dテンプレートの対応する点に割り当てることで、キーポイント検出を一般化する。
人間の分析のためにDensePoseによって人気を得た著者は、この概念をより多くのカテゴリに適用しようと試みている。
そこで本研究では,手動による指導を伴わない標準地図学習手法ShiCを紹介し,ほとんどのカテゴリにおいて教師付き手法よりも優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2024-07-26T17:58:59Z) - Learning Unorthogonalized Matrices for Rotation Estimation [83.94986875750455]
3次元の回転を推定することは、3次元コンピュータビジョンの一般的な手順である。
回転行列という表現の1つの形式は、その連続性のために人気がある。
非直交擬似擬似回転行列(PRoM)を提案する。
論文 参考訳（メタデータ） (2023-12-01T09:56:29Z) - Fast Normalized Cross-Correlation for Template Matching with Rotations [0.0]
この記事では、回転と翻訳を効率的に扱うための代替数学的理論を開発する。
提案手法は回転空間を反復的にサンプリングする必要がないため,計算複雑性を低減させる。
提案手法は,従来のテンプレートマッチング計算を3次元画像の場合,数桁のオーダーで高速化することができる。
論文 参考訳（メタデータ） (2023-11-13T18:53:30Z) - Learning Accurate Template Matching with Differentiable Coarse-to-Fine
Correspondence Refinement [28.00275083733545]
本稿では, 精度の高いテンプレートマッチング手法を提案する。
変圧器によって提供される新規な構造認識情報に基づいて、粗い対応を用いて初期ワープを推定する。
提案手法は最先端の手法やベースラインよりも大幅に優れており,実データにおいても,優れた一般化能力と視覚的検証が可能な結果が得られる。
論文 参考訳（メタデータ） (2023-03-15T08:24:10Z) - G-MSM: Unsupervised Multi-Shape Matching with Graph-based Affinity
Priors [52.646396621449]
G-MSMは、非剛体形状対応のための新しい教師なし学習手法である。
学習形態の集合に親和性グラフを自己教師型で構築する。
近年の形状対応ベンチマークで最先端の性能を示す。
論文 参考訳（メタデータ） (2022-12-06T12:09:24Z) - Optimizing Elimination Templates by Greedy Parameter Search [0.0]
本稿では,最小限の問題を効率よく解くために,除去テンプレートを構築するための新しい手法を提案する。
コンピュータビジョンにおける34の最小問題に対して,本手法を検証した。
また, 合成データを用いた実験により, 新しい解法は高速かつ数値的に精度が高いことがわかった。
論文 参考訳（メタデータ） (2022-03-28T17:06:18Z) - Cherry-Picking Gradients: Learning Low-Rank Embeddings of Visual Data
via Differentiable Cross-Approximation [53.95297550117153]
本稿では,大規模な視覚データテンソルの処理を行うエンドツーエンドのトレーニング可能なフレームワークを提案する。
提案手法は大規模多次元グリッドデータや,大規模受容領域上のコンテキストを必要とするタスクに特に有用である。
論文 参考訳（メタデータ） (2021-05-29T08:39:57Z) - Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。
複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。
これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
論文 参考訳（メタデータ） (2021-03-25T14:35:07Z) - Deep Implicit Templates for 3D Shape Representation [70.9789507686618]
深い暗黙表現における明示的な対応推論を支援する新しい3次元形状表現を提案する。
我々のキーとなる考え方は、テンプレートの暗黙関数の条件変形としてDIFを定式化することである。
提案手法は,形状の集合に対する一般的な暗黙テンプレートを学習するだけでなく,すべての形状を相互に同時に対応させることも可能であることを示す。
論文 参考訳（メタデータ） (2020-11-30T06:01:49Z) - Robust Template Matching via Hierarchical Convolutional Features from a
Shape Biased CNN [4.152510794431946]
最近のアプローチでは、畳み込みニューラルネットワーク(CNN)によって生成された深い特徴空間におけるテンプレートマッチングが実現されている。
我々は,CNNの形状情報エンコーディングの強化が,テンプレートマッチングの性能向上に寄与する,より識別可能な特徴を生み出すことができるかどうかを検討する。
論文 参考訳（メタデータ） (2020-07-31T03:07:52Z)
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。