Fugu-MT 論文翻訳(概要): Point Cloud Synthesis Using Inner Product Transforms

論文の概要: Point Cloud Synthesis Using Inner Product Transforms

arxiv url: http://arxiv.org/abs/2410.18987v2
Date: Tue, 11 Feb 2025 09:03:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-12 14:04:25.710131
Title: Point Cloud Synthesis Using Inner Product Transforms
Title（参考訳）: 内積変換を用いた点雲合成
Authors: Ernst Röell, Bastian Rieck,
Abstract要約: 内部積を用いた点雲の幾何学的位相特性を符号化する新しい手法を開発した。我々のエンコーディングは、再構成、生成、推論といった典型的なタスクにおいて、既存の手法よりも桁違いに高速な推論時間で高品質である。
参考スコア（独自算出の注目度）: 13.608942872770855
License:
Abstract: Point-cloud synthesis, i.e. the generation of novel point clouds from an input distribution, remains a challenging task, for which numerous complex machine-learning models have been devised. We develop a novel method that encodes geometrical-topological characteristics of point clouds using inner products, leading to a highly-efficient point cloud representation with provable expressivity properties. Integrated into deep learning models, our encoding exhibits high quality in typical tasks like reconstruction, generation, and interpolation, with inference times orders of magnitude faster than existing methods.
Abstract（参考訳）: 点雲合成、すなわち入力分布からの新規点雲の生成は依然として困難な課題であり、複雑な機械学習モデルが数多く考案されている。本研究では,内部積を用いた点雲の幾何学的トポロジカルな特性を符号化し,高効率な点雲表現を実現する手法を開発した。ディープラーニングモデルに統合された符号化は、再構成、生成、補間といった典型的なタスクにおいて、既存の手法よりもはるかに高速な推論時間で高品質であることを示す。

関連論文リスト

Bridging Domain Gap of Point Cloud Representations via Self-Supervised Geometric Augmentation [15.881442863961531]
領域間の点雲表現の幾何学的不変性を誘導する新しいスキームを提案する。一方、点雲のセントロイドシフトを軽減するために、拡張サンプルの距離の変換を予測するための新しいプレテキストタスクが提案されている。一方,我々は幾何学的に拡張された点雲上での自己教師付き関係学習の統合を開拓した。
論文参考訳（メタデータ） (2024-09-11T02:39:19Z)
INPC: Implicit Neural Point Clouds for Radiance Field Rendering [5.64500060725726]
現実世界のシーンを再現し、新しい視点で合成するための新しいアプローチを提案する。本研究では,連続オクツリー型確率場とマルチ解像度ハッシュグリッドにおける点雲を暗黙的に符号化するハイブリッドシーン表現を提案する。本手法は,対話的なフレームレートで高速な推論を実現し,さらに性能を高めるために露骨な点雲を抽出することができる。
論文参考訳（メタデータ） (2024-03-25T15:26:32Z)
Patch-Wise Point Cloud Generation: A Divide-and-Conquer Approach [83.05340155068721]
分割・分散アプローチを用いた新しい3dポイントクラウド生成フレームワークを考案する。すべてのパッチジェネレータは学習可能な事前情報に基づいており、幾何学的プリミティブの情報を取得することを目的としている。最も人気のあるポイントクラウドデータセットであるShapeNetのさまざまなオブジェクトカテゴリに関する実験結果は、提案したパッチワイドポイントクラウド生成の有効性を示している。
論文参考訳（メタデータ） (2023-07-22T11:10:39Z)
StarNet: Style-Aware 3D Point Cloud Generation [82.30389817015877]
StarNetは、マッピングネットワークを使用して高忠実度および3Dポイントクラウドを再構築し、生成することができる。我々のフレームワークは、クラウドの再構築と生成タスクにおいて、様々なメトリクスで同等の最先端のパフォーマンスを達成します。
論文参考訳（メタデータ） (2023-03-28T08:21:44Z)
Controllable Mesh Generation Through Sparse Latent Point Diffusion Models [105.83595545314334]
メッシュ生成のための新しいスパース潜在点拡散モデルを設計する。私たちの重要な洞察は、ポイントクラウドをメッシュの中間表現と見なし、代わりにポイントクラウドの分布をモデル化することです。提案したスパース潜在点拡散モデルにより,生成品質と制御性において優れた性能が得られる。
論文参考訳（メタデータ） (2023-03-14T14:25:29Z)
Autoregressive 3D Shape Generation via Canonical Mapping [92.91282602339398]
トランスフォーマーは、画像、音声、テキスト生成など、様々な生成タスクで顕著なパフォーマンスを示している。本稿では,変圧器のパワーをさらに活用し,それを3Dポイントクラウド生成のタスクに活用することを目的とする。条件付き形状生成への応用として,本モデルを簡単にマルチモーダル形状完成に拡張することができる。
論文参考訳（メタデータ） (2022-04-05T03:12:29Z)
Differentiable Convolution Search for Point Cloud Processing [114.66038862207118]
本稿では,点雲上での新しい差分畳み込み探索パラダイムを提案する。純粋にデータ駆動型であり、幾何学的形状モデリングに適した畳み込みのグループを自動生成することができる。また,内部畳み込みと外部アーキテクチャの同時探索のための共同最適化フレームワークを提案する。
論文参考訳（メタデータ） (2021-08-29T14:42:03Z)
PoinTr: Diverse Point Cloud Completion with Geometry-Aware Transformers [81.71904691925428]
本稿では,ポイントクラウドの完了をセット・ツー・セットの翻訳問題として再定義する手法を提案する。我々はまた、ポイントクラウド補完のためにトランスフォーマーエンコーダデコーダアーキテクチャを採用するPoinTrと呼ばれる新しいモデルも設計している。提案手法は,新しいベンチマークと既存ベンチマークの両方において,最先端の手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2021-08-19T17:58:56Z)

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。