論文の概要: Unsupervised Point Cloud Completion through Unbalanced Optimal Transport

• arxiv url: http://arxiv.org/abs/2410.02671v4
• Date: Thu, 29 May 2025 19:57:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 15:03:33.237016
• Title: Unsupervised Point Cloud Completion through Unbalanced Optimal Transport
• Title（参考訳）: 不均衡最適輸送による無監督点雲の完結
• Authors: Taekyung Lee, Jaemoo Choi, Jaewoong Choi, Myungjoo Kang,
• Abstract要約: 本研究では,不均衡点クラウドコンプリート(textbfUOT-UPC)モデルに対するテキスト不均衡最適トランスポートマップを提案する。 提案手法では,ニューラルネットワークを用いてUTTマップを学習するニューラルOTモデルを用いる。 我々のアプローチは特に,実世界の未経験のクラウド完了シナリオで頻繁に発生する,クラス不均衡問題の下で堅牢である。
• 参考スコア（独自算出の注目度）: 8.129163248035958
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unpaired point cloud completion is crucial for real-world applications, where ground-truth data for complete point clouds are often unavailable. By learning a completion map from unpaired incomplete and complete point cloud data, this task avoids the reliance on paired datasets. In this paper, we propose the \textit{Unbalanced Optimal Transport Map for Unpaired Point Cloud Completion (\textbf{UOT-UPC})} model, which formulates the unpaired completion task as the (Unbalanced) Optimal Transport (OT) problem. Our method employs a Neural OT model learning the UOT map using neural networks. Our model is the first attempt to leverage UOT for unpaired point cloud completion, achieving competitive or superior performance on both single-category and multi-category benchmarks. In particular, our approach is especially robust under the class imbalance problem, which is frequently encountered in real-world unpaired point cloud completion scenarios. The code is available at https://github.com/LEETK99/UOT-UPC.
• Abstract（参考訳）: 未完成のポイントクラウドの完成は、完全なポイントクラウドのための地道なデータがしばしば利用できない現実世界のアプリケーションにとって不可欠である。 未完成かつ完全ポイントのクラウドデータから完了マップを学習することにより、このタスクはペア化されたデータセットへの依存を避けることができる。 本稿では,未整備の完了タスクを(不均衡な)最適輸送(OT)問題として定式化する,不均衡なポイントクラウドコンプリート(\textbf{UOT-UPC})}モデルを提案する。 提案手法では,ニューラルネットワークを用いてUTTマップを学習するニューラルOTモデルを用いる。 我々のモデルは、単一カテゴリとマルチカテゴリのベンチマークの両方において、競争力または優れたパフォーマンスを達成するために、未完成のポイントクラウドコンプリートにUTTを活用する最初の試みである。 特に,我々のアプローチは,実世界の未経験のクラウド完了シナリオで頻繁に発生する,クラス不均衡問題の下では特に堅牢である。 コードはhttps://github.com/LEETK99/UOT-UPCで公開されている。

関連論文リスト

• RefComp: A Reference-guided Unified Framework for Unpaired Point Cloud Completion [53.28542050638217]
  未完成のポイントクラウドコンプリートタスクは、基礎的な真実を持たないモデルを使用して、部分的なポイントクラウドを完成させることを目的としている。 既存の未ペアのポイントクラウド補完メソッドはクラスアウェアであり、すなわち、各オブジェクトクラスに別々のモデルが必要である。 そこで本稿では,Reference-guided Completion (RefComp) フレームワークを新たに提案する。
  論文  参考訳（メタデータ） (2025-04-18T16:40:16Z)
• Zero-shot Point Cloud Completion Via 2D Priors [52.72867922938023]
  3次元点雲の完成は、部分的に観測された点雲から完全な形状を復元するように設計されている。 そこで本研究では, 観測された点群を対象とするゼロショットフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-10T08:02:17Z)
• Point Cloud Pre-training with Diffusion Models [62.12279263217138]
  我々は、ポイントクラウド拡散事前学習(PointDif)と呼ばれる新しい事前学習手法を提案する。 PointDifは、分類、セグメンテーション、検出など、さまざまな下流タスクのために、さまざまな現実世界のデータセット間で大幅に改善されている。
  論文  参考訳（メタデータ） (2023-11-25T08:10:05Z)
• P2C: Self-Supervised Point Cloud Completion from Single Partial Clouds [44.02541315496045]
  ポイント雲の完成は、部分的な観測に基づいて完全な形状を復元することを目的としている。 既存の手法では、学習には完全な点雲か、同じ物体の複数の部分的な観察が必要である。 Part2Completeは、ポイントクラウドオブジェクトを補完する最初の自己管理型フレームワークです。
  論文  参考訳（メタデータ） (2023-07-27T09:31:01Z)
• Are All Point Clouds Suitable for Completion? Weakly Supervised Quality Evaluation Network for Point Cloud Completion [34.087139118297706]
  本稿では,ポイントクラウドの評価と,ポイントクラウドの品質評価を支援する品質評価ネットワークを提案する。 我々は,自律運転のための実世界のデータセットであるKITTI上での検知とフロー推定タスクを用いて,我々のネットワークを検証する。
  論文  参考訳（メタデータ） (2023-03-03T09:24:29Z)
• Reconstruction-Aware Prior Distillation for Semi-supervised Point Cloud Completion [10.649666758735663]
  現実世界のセンサーは、しばしば不完全で不規則でノイズの多い点雲を発生させる。 本稿では,新しい半教師付き点雲補完法であるRADを提案する。
  論文  参考訳（メタデータ） (2022-04-20T02:14:20Z)
• Completing Partial Point Clouds with Outliers by Collaborative Completion and Segmentation [22.521376982725517]
  本稿では,騒音や外乱により汚染された点雲を補うために,CS-Netというエンドツーエンドネットワークを提案する。 我々の総合的な実験と、最先端の完成法との比較は、我々の優位性を示している。
  論文  参考訳（メタデータ） (2022-03-18T07:31:41Z)
• PMP-Net: Point Cloud Completion by Learning Multi-step Point Moving Paths [54.459879603473034]
  我々はPMP-Netと呼ばれる新しいニューラルネットワークを設計し、地球移動体の動作を模倣する。 不完全な入力の各点を移動させ、ポイントクラウドを完結させ、ポイント移動パスの合計距離が最も短くなる。 点レベルの厳密でユニークな対応を学習し、不完全な形状と完全なターゲットの間の詳細なトポロジーと構造的関係を捉えることができる。
  論文  参考訳（メタデータ） (2020-12-07T01:34:38Z)
• Cascaded Refinement Network for Point Cloud Completion with Self-supervision [74.80746431691938]
  形状整形のための2分岐ネットワークを提案する。 第1分枝は、完全なオブジェクトを合成するためのカスケード形状補完サブネットワークである。 第2のブランチは、元の部分入力を再構築する自動エンコーダである。
  論文  参考訳（メタデータ） (2020-10-17T04:56:22Z)
• Point Cloud Completion by Learning Shape Priors [74.80746431691938]
  形状の先行には、完全点雲と部分点雲の両方の幾何学的情報が含まれる。 完全点から先行する形状を学習するための特徴アライメント戦略を設計し、微細な段階で部分的な事前を組み込むための粗い微妙な戦略を設計する。 我々はポイントクラウド完了タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-08-02T04:00:32Z)
• Point Cloud Completion by Skip-attention Network with Hierarchical Folding [61.59710288271434]
  本研究では,3Dポイントクラウド補完のためのSkip-Attention Network (SA-Net)を提案する。 まず,不完全点雲の局所構造を効果的に活用するためのスキップアテンション機構を提案する。 第二に、異なる解像度でスキップアテンション機構によって符号化された選択された幾何情報を完全に活用するために、新しい構造保存デコーダを提案する。
  論文  参考訳（メタデータ） (2020-05-08T06:23:51Z)

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。