論文の概要: Feature-Centered First Order Structure Tensor Scale-Space in 2D and 3D

• arxiv url: http://arxiv.org/abs/2409.13389v2
• Date: Mon, 20 Jan 2025 13:53:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:16:37.393988
• Title: Feature-Centered First Order Structure Tensor Scale-Space in 2D and 3D
• Title（参考訳）: 2次元・3次元の1次構造テンソルスケール空間
• Authors: Pawel Tomasz Pieta, Anders Bjorholm Dahl, Jeppe Revall Frisvad, Siavash Arjomand Bigdeli, Anders Nymark Christensen,
• Abstract要約: 微分フィルタの幅を画像特徴量に結びつけることで構造テンソル法を単純化する。 抽出された構造的測度を用いて,スケールマップの既知の不正確さを補正する方法について述べる。 我々のソリューションははるかに正確であり、最小限のユーザ入力で幅広い構造パラメータを抽出するアウト・オブ・ボックス法として機能する。
• 参考スコア（独自算出の注目度）: 4.549709015226404
• License:
• Abstract: The structure tensor method is often used for 2D and 3D analysis of imaged structures, but its results are in many cases very dependent on the user's choice of method parameters. We simplify this parameter choice in first order structure tensor scale-space by directly connecting the width of the derivative filter to the size of image features. By introducing a ring-filter step, we substitute the Gaussian integration/smoothing with a method that more accurately shifts the derivative filter response from feature edges to their center. We further demonstrate how extracted structural measures can be used to correct known inaccuracies in the scale map, resulting in a reliable representation of the feature sizes both in 2D and 3D. Compared to the traditional first order structure tensor, or previous structure tensor scale-space approaches, our solution is much more accurate and can serve as an out-of-the-box method for extracting a wide range of structural parameters with minimal user input.
• Abstract（参考訳）: 構造テンソル法は画像構造の2次元および3次元解析によく用いられるが、その結果は多くの場合、ユーザのメソッドパラメータの選択に非常に依存している。 微分フィルタの幅を画像特徴量に直結させることにより, 1次構造テンソルスケール空間におけるパラメータ選択を単純化する。 リングフィルタのステップを導入することで、ガウス積分/平滑化を特徴端から中心へより正確に微分フィルタ応答をシフトさせる手法に置き換える。 さらに、抽出された構造的測度を用いて、スケールマップの既知の不正確さを補正し、2Dと3Dの両方の特徴量を信頼性良く表現できることを示す。 従来の1次構造テンソルやそれ以前の構造テンソルスケール空間のアプローチと比較して、我々の解ははるかに正確であり、最小限のユーザ入力で幅広い構造パラメータを抽出するアウト・オブ・ザ・ボックス法として機能する。

関連論文リスト

• Hyperspectral Band Selection based on Generalized 3DTV and Tensor CUR Decomposition [8.812294191190896]
  ハイパースペクトルイメージングはリモートセンシングにおいて重要な技術である。 高次元とデータボリュームは、重大な計算上の課題を生じさせる。 データを低ランクで滑らかな成分とスパース成分に分解することで,新しいスペクトル帯域選択モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-02T02:23:38Z)
• GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
  我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。 提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2023-12-04T18:59:55Z)
• SHINE-Mapping: Large-Scale 3D Mapping Using Sparse Hierarchical Implicit Neural Representations [37.733802382489515]
  本稿では, 3次元LiDAR計測を用いて, 暗示表現を用いた大規模3次元再構成を実現する際の課題について述べる。 我々はオクツリーに基づく階層構造を通じて暗黙的な特徴を学習し、保存する。 我々の3D再構成は、現在の最先端3Dマッピング法よりも正確で、完全で、メモリ効率が高いことを示す。
  論文  参考訳（メタデータ） (2022-10-05T14:38:49Z)
• SketchSampler: Sketch-based 3D Reconstruction via View-dependent Depth Sampling [75.957103837167]
  1枚のスケッチ画像に基づいて3次元形状を再構成することは、スパースで不規則なスケッチと正規の高密度な3次元形状との間に大きな領域ギャップがあるため困難である。 既存の作品では、3D座標を直接予測するためにスケッチから抽出されたグローバルな特徴を活用しようとするが、通常は入力スケッチに忠実でない細部を失う。
  論文  参考訳（メタデータ） (2022-08-14T16:37:51Z)
• 2D+3D facial expression recognition via embedded tensor manifold regularization [16.98176664818354]
  2D+3次元表情認識(FERETMR)のための埋め込みテンソル多様体正規化による新しい手法を提案する。 定常点の観点から一階最適条件を確立し、収束解析によるブロック座標降下(BCD)アルゴリズムを設計する。 BU-3DFEデータベースとBosphorusデータベースの数値計算結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-01-29T06:11:00Z)
• FS-Net: Fast Shape-based Network for Category-Level 6D Object Pose Estimation with Decoupled Rotation Mechanism [49.89268018642999]
  6次元ポーズ推定のための効率的なカテゴリレベルの特徴抽出が可能な高速形状ベースネットワーク(FS-Net)を提案する。 提案手法は,カテゴリレベルおよびインスタンスレベルの6Dオブジェクトのポーズ推定における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-03-12T03:07:24Z)
• Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
  本稿では,3次元形状対応のための教師なし学習手法を提案する。 提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T22:24:07Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)
• Instant recovery of shape from spectrum via latent space connections [33.83258865005668]
  ラプラシアンスペクトルから形状を復元する最初の学習法を提案する。 自動エンコーダが与えられた場合、我々のモデルはサイクル整合モジュールの形で潜在ベクトルを固有値列にマッピングする。 我々のデータ駆動型アプローチは、計算コストのごく一部でより正確な結果を提供しながら、事前の手法で必要となるアドホック正規化器の必要性を置き換える。
  論文  参考訳（メタデータ） (2020-03-14T00:48:34Z)
• SeqXY2SeqZ: Structure Learning for 3D Shapes by Sequentially Predicting 1D Occupancy Segments From 2D Coordinates [61.04823927283092]
  本稿では,各2次元位置における関数の出力が内部の線分列である2次元関数を用いて3次元形状を表現することを提案する。 本研究では,SeqXY2SeqZと呼ばれるセック2Seqモデルを用いて,2つの任意の軸に沿った2次元座標列から3つの軸に沿った1次元位置の列への写像を学習する手法を提案する。 実験の結果,SeqXY2SeqZは広く使用されているベンチマークで最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-03-12T00:24:36Z)

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。