Fugu-MT 論文翻訳(概要): Orient Anything

論文の概要: Orient Anything

arxiv url: http://arxiv.org/abs/2410.02101v1
Date: Wed, 2 Oct 2024 23:46:45 GMT
ステータス: 処理完了
システム内更新日: 2024-11-04 08:45:48.558098
Title: Orient Anything
Title（参考訳）: オリエントなもの
Authors: Christopher Scarvelis, David Benhaim, Paul Zhang,
Abstract要約: そこで我々は,2段階の配向パイプラインを導入し,アップアクティビティ推定におけるアートパフォーマンスの状態を把握した。従来の作業とは異なり、クラスのサブセットではなく、すべてのShapenet上でメソッドをトレーニングし、評価します。
参考スコア（独自算出の注目度）: 4.342241136871849
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Orientation estimation is a fundamental task in 3D shape analysis which consists of estimating a shape's orientation axes: its side-, up-, and front-axes. Using this data, one can rotate a shape into canonical orientation, where its orientation axes are aligned with the coordinate axes. Developing an orientation algorithm that reliably estimates complete orientations of general shapes remains an open problem. We introduce a two-stage orientation pipeline that achieves state of the art performance on up-axis estimation and further demonstrate its efficacy on full-orientation estimation, where one seeks all three orientation axes. Unlike previous work, we train and evaluate our method on all of Shapenet rather than a subset of classes. We motivate our engineering contributions by theory describing fundamental obstacles to orientation estimation for rotationally-symmetric shapes, and show how our method avoids these obstacles.
Abstract（参考訳）: 方向推定は3次元形状解析における基本的な課題であり、形状の方向軸(横軸、上軸、前軸)を推定する。このデータを用いて、形状を正準向きに回転させ、その配向軸は座標軸と整列する。一般形状の完全な配向を確実に推定する配向アルゴリズムの開発は、未解決の問題である。本研究では,2段階の配向パイプラインを導入し,3つの配向軸すべてを求める全配向推定の有効性を実証する。従来の作業とは異なり、クラスのサブセットではなく、すべてのShapenet上でメソッドをトレーニングし、評価します。回転対称形状の配向推定に基本的障害を記述した理論により,我々の工学的貢献を動機付け,これらの障害を回避する方法を示す。

関連論文リスト

Full-range Head Pose Geometric Data Augmentations [2.8358100463599722]
多くのヘッドポーズ推定(HPE)メソッドは、フルレンジデータセットを作成する能力を約束する。これらの手法は、頭部角度の範囲内でのみ正確であり、この特定の範囲を超えると、重大な不正確な結果がもたらされる。本稿では,正しい軸列の座標系とオイラー角を正確に推定する手法を提案する。
論文参考訳（メタデータ） (2024-08-02T20:41:18Z)
Neural Gradient Learning and Optimization for Oriented Point Normal Estimation [53.611206368815125]
本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
論文参考訳（メタデータ） (2023-09-17T08:35:11Z)
Category-Level 6D Object Pose Estimation with Flexible Vector-Based Rotation Representation [51.67545893892129]
モノクロRGB-D画像からカテゴリレベルの6次元ポーズとサイズ推定のための新しい3次元グラフ畳み込みに基づくパイプラインを提案する。まず,3次元グラフ畳み込みを用いた向き対応オートエンコーダの設計を行った。そして, 回転情報を潜在特徴から効率的に復号化するために, フレキシブルなベクトルベースデコンポーザブルな回転表現を設計する。
論文参考訳（メタデータ） (2022-12-09T02:13:43Z)
Deep Projective Rotation Estimation through Relative Supervision [31.05330535795121]
ディープラーニングは、画像ベースの向き推定器を開発する方法を提供する。これらの推定器は、しばしば大きなラベル付きデータセットのトレーニングを必要とする。自己教師付き配向推定のための新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-11-21T04:58:07Z)
E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。 E-Graphに基づいて、回転推定問題はより単純でエレガントになる。回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
論文参考訳（メタデータ） (2022-07-20T16:11:48Z)
6D Rotation Representation For Unconstrained Head Pose Estimation [2.1485350418225244]
本研究は, 基底真理データに対する回転行列形式を導入して, あいまいな回転ラベルの問題に対処する。このようにして、提案手法は、ポーズ予測を狭角に制限する従来のアプローチとは正反対に、全回転の外観を学習することができる。 AFLW2000およびBIWIデータセットを用いた実験により,提案手法が他の最先端手法よりも最大20%高い性能を示した。
論文参考訳（メタデータ） (2022-02-25T08:41:13Z)
Adjoint Rigid Transform Network: Task-conditioned Alignment of 3D Shapes [86.2129580231191]
Adjoint Rigid Transform (ART) Networkは、さまざまな3Dネットワークと統合可能なニューラルネットワークモジュールである。 ARTは入力の形状を学習した標準方向に回転させることを学び、多くのタスクに欠かせない。さらなる研究のために、コードと事前訓練されたモデルをリリースします。
論文参考訳（メタデータ） (2021-02-01T20:58:45Z)
Amplifying the Anterior-Posterior Difference via Data Enhancement -- A More Robust Deep Monocular Orientation Estimation Solution [7.540176446791261]
既存のディープラーニングベースの単眼方向推定アルゴリズムは、オブジェクトの前部と後部の混乱の問題に直面している。本研究では,物体の向きが位置する左右半円を予測することに焦点を当てた事前学習手法を提案する。実験の結果,提案する半円予測により方向推定の精度が向上し,上記の問題を緩和できることがわかった。
論文参考訳（メタデータ） (2020-12-21T15:36:13Z)
Learning to Orient Surfaces by Self-supervised Spherical CNNs [15.554429755106332]
3D表面の標準配向の定義と確実な発見は、多くのコンピュータビジョンとロボティクスアプリケーションにとって鍵となる。点雲として表される曲面に対する頑健な正準方向の学習の実現可能性を示す。提案手法は, 自己教師付き訓練手順により生データからこのような特徴マップを学習し, 入力点雲を学習正準方向に変換する回転を頑健に選択する。
論文参考訳（メタデータ） (2020-11-06T11:43:57Z)
A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
論文参考訳（メタデータ） (2020-03-16T14:04:45Z)
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。