論文の概要: ESCAPE: Equivariant Shape Completion via Anchor Point Encoding

• arxiv url: http://arxiv.org/abs/2412.00952v1
• Date: Sun, 01 Dec 2024 20:05:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:45:32.842096
• Title: ESCAPE: Equivariant Shape Completion via Anchor Point Encoding
• Title（参考訳）: ESCAPE:アンカーポイントエンコーディングによる等変形状補完
• Authors: Burak Bekci, Nassir Navab, Federico Tombari, Mahdi Saleh,
• Abstract要約: 回転同変形状補完を実現するためのフレームワークであるESCAPEを紹介する。 ESCAPEは、形状からアンカーポイントを選択し、すべてのポイントを全てのアンカーポイントまでの距離として表現することで、独特の符号化戦略を採用している。 ESCAPEは任意の回転と翻訳をまたいだ堅牢で高品質な再構成を実現する。
• 参考スコア（独自算出の注目度）: 79.59829525431238
• License:
• Abstract: Shape completion, a crucial task in 3D computer vision, involves predicting and filling the missing regions of scanned or partially observed objects. Current methods expect known pose or canonical coordinates and do not perform well under varying rotations, limiting their real-world applicability. We introduce ESCAPE (Equivariant Shape Completion via Anchor Point Encoding), a novel framework designed to achieve rotation-equivariant shape completion. Our approach employs a distinctive encoding strategy by selecting anchor points from a shape and representing all points as a distance to all anchor points. This enables the model to capture a consistent, rotation-equivariant understanding of the object's geometry. ESCAPE leverages a transformer architecture to encode and decode the distance transformations, ensuring that generated shape completions remain accurate and equivariant under rotational transformations. Subsequently, we perform optimization to calculate the predicted shapes from the encodings. Experimental evaluations demonstrate that ESCAPE achieves robust, high-quality reconstructions across arbitrary rotations and translations, showcasing its effectiveness in real-world applications without additional pose estimation modules.
• Abstract（参考訳）: 3Dコンピュータビジョンにおいて重要な課題である形状完了は、スキャンされたまたは部分的に観察された物体の欠落した領域を予測し、埋めることである。 現在の手法では、既知のポーズや標準座標が期待でき、様々な回転の下ではうまく動作せず、現実の応用性が制限されている。 ESCAPE(Equivariant Shape Completion via Anchor Point Encoding)は、回転同変形状補完を実現するための新しいフレームワークである。 提案手法では, アンカー点を形状から選択し, 全点をアンカー点までの距離として表現することで, 特異な符号化戦略を採用する。 これにより、モデルはオブジェクトの幾何学に関する一貫した回転同変の理解を捉えることができる。 ESCAPEはトランスフォーマーアーキテクチャを利用して距離変換を符号化しデコードし、生成した形状の完了が回転変換の下で正確で同変であることを保証している。 その後、符号化から予測された形状を計算する最適化を行う。 ESCAPEは任意の回転と翻訳をまたいだ堅牢で高品質な再構成を実現し、追加のポーズ推定モジュールを使わずに実世界のアプリケーションで有効性を示す。

関連論文リスト

• Learning SO(3)-Invariant Semantic Correspondence via Local Shape Transform [62.27337227010514]
  RISTと呼ばれる局所形状変換を用いた自己教師型回転不変3次元対応学習システムを提案する。 RISTは、挑戦的なクラス内変分と任意の向きの下でも、形状間の密接な対応を確立することを学ぶ。 RISTは、任意の回転点雲対に与えられる3D部分ラベル転送とセマンティックキーポイント転送の最先端性能を示す。
  論文  参考訳（メタデータ） (2024-04-17T08:09:25Z)
• Rethinking Rotation Invariance with Point Cloud Registration [18.829454172955202]
  本稿では, 回転不変形状符号化, 整列化機能統合, 深部特徴登録の3段階を通した回転不変性学習のための効果的なフレームワークを提案する。 3次元形状分類,部分分割,検索タスクの実験結果から,本研究の可能性が確認された。
  論文  参考訳（メタデータ） (2022-12-31T08:17:09Z)
• Generative Category-Level Shape and Pose Estimation with Semantic Primitives [27.692997522812615]
  本稿では,1枚のRGB-D画像からカテゴリレベルのオブジェクト形状とポーズ推定を行う新しいフレームワークを提案する。 カテゴリ内変動に対処するために、様々な形状を統一された潜在空間にエンコードするセマンティックプリミティブ表現を採用する。 提案手法は,実世界のデータセットにおいて,SOTAのポーズ推定性能とより優れた一般化を実現する。
  論文  参考訳（メタデータ） (2022-10-03T17:51:54Z)
• Shape-Pose Disentanglement using SE(3)-equivariant Vector Neurons [59.83721247071963]
  本研究では,点雲を標準形状表現に符号化するための教師なし手法を提案する。 エンコーダは安定で一貫性があり、形状のエンコーダは純粋にポーズ不変である。 抽出された回転と変換は、同じクラスの異なる入力形状を共通の標準ポーズに意味的に整合させることができる。
  論文  参考訳（メタデータ） (2022-04-03T21:00:44Z)
• Frame Averaging for Equivariant Shape Space Learning [85.42901997467754]
  形状空間学習に対称性を組み込む自然な方法は、形状空間(エンコーダ)への写像と形状空間(デコーダ)からの写像が関連する対称性に同値であることを問うことである。 本稿では,2つのコントリビューションを導入することで,エンコーダとデコーダの等価性を組み込む枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-03T06:41:19Z)
• 3D Unsupervised Region-Aware Registration Transformer [13.137287695912633]
  ディープニューラルネットワークによるロバストポイントクラウド登録モデルを学習することが、強力なパラダイムとして浮上した。 自己教師型3次元形状再構成損失を伴って入力形状を異なる領域に分割できる3次元領域分割モジュールの設計を提案する。 実験により,我々の3D-URRTは,様々なベンチマークデータセットよりも優れた登録性能が得られることが示された。
  論文  参考訳（メタデータ） (2021-10-07T15:06:52Z)
• 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)
• Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
  本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。 カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。 オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
  論文  参考訳（メタデータ） (2019-12-27T13:51:17Z)

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。