論文の概要: Flexible Mesh Segmentation via Reeb Graph Representation of Geometrical and Topological Features
- arxiv url: http://arxiv.org/abs/2412.05335v2
- Date: Mon, 20 Jan 2025 18:50:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:15:22.218434
- Title: Flexible Mesh Segmentation via Reeb Graph Representation of Geometrical and Topological Features
- Title(参考訳): 幾何学的特徴と位相的特徴のリーブグラフ表現によるフレキシブルメッシュ分割
- Authors: Florian Beguet, Sandrine Lanquetin, Romain Raffin,
- Abstract要約: 本稿では, フレキシブルリーブグラフ表現を用いて幾何学的特徴と位相的特徴を統合するメッシュセグメンテーション手法を提案する。
このアルゴリズムは,改良されたトポロジカルスケルトンアプローチを用いたリーブグラフの構築,重要な特徴を保ちながら臨界点のキャンセルによるグラフの位相的単純化,適応的な領域成長過程による連続セグメントの生成の3段階からなる。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This paper presents a new mesh segmentation method that integrates geometrical and topological features through a flexible Reeb graph representation. The algorithm consists of three phases: construction of the Reeb graph using the improved topological skeleton approach, topological simplification of the graph by cancelling critical points while preserving essential features, and generation of contiguous segments via an adaptive region-growth process that takes geometric and topological criteria into account. Operating with a computational complexity of O(n log(n)) for a mesh of n vertices, the method demonstrates both efficiency and scalability. An evaluation through case studies, including part-based decomposition with Shape Diameter Function and terrain analysis with Shape Index, validates the effectiveness of the method in completely different applications. The results establish this approach as a robust framework for advanced geometric analysis of meshes, connecting the geometric and topological features of shapes.
- Abstract(参考訳): 本稿では, フレキシブルリーブグラフ表現を用いて幾何学的特徴と位相的特徴を統合するメッシュ分割法を提案する。
このアルゴリズムは、改良されたトポロジカルスケルトンアプローチを用いたリーブグラフの構築、重要な特徴を保ちながら臨界点のキャンセルによるグラフの位相的単純化、幾何学的および位相的基準を考慮に入れた適応的な領域成長過程による連続セグメントの生成の3段階からなる。
n 個の頂点のメッシュに対して計算複雑性の O(n log(n)) を演算することにより、効率性とスケーラビリティを両立させる。
形状寸法関数による部分的分解や形状指数による地形解析などのケーススタディによる評価により, 全く異なる応用での有効性が検証された。
その結果、メッシュの高度な幾何学的解析のための堅牢なフレームワークとしてこのアプローチを確立し、形状の幾何学的特徴と位相的特徴を結びつけた。
関連論文リスト
- STITCH: Surface reconstrucTion using Implicit neural representations with Topology Constraints and persistent Homology [23.70495314317551]
スパースおよび不規則に間隔を置いた点雲のニューラル暗黙表面再構成のための新しいアプローチSTITCHを提案する。
連続ホモロジーに基づく新しい微分可能なフレームワークを開発し、トポロジ的損失項を定式化し、1つの2次元多様体オブジェクトの先行を強制する。
論文 参考訳(メタデータ) (2024-12-24T22:55:35Z) - Differentiable Topology Estimating from Curvatures for 3D Shapes [5.122262236258208]
本稿では,3次元形状のグローバルトポロジを正確に推定するための,新しい微分可能アルゴリズムを提案する。
高い精度、効率、GPUとの互換性のあるインスタント計算を実現する。
実験結果から,様々なデータセットにまたがる手法の優れた性能が示された。
論文 参考訳(メタデータ) (2024-11-28T17:14:35Z) - Graph Vertex Embeddings: Distance, Regularization and Community Detection [0.0]
グラフ埋め込みは、低次元空間における複雑なネットワーク構造を表現する強力なツールとして登場した。
異なる頂点間の位相的距離を忠実に捉えるフレキシブル距離関数の族を示す。
ベンチマークデータセットのホスト上でコミュニティ検出を行うことにより,提案手法の有効性を評価する。
論文 参考訳(メタデータ) (2024-04-09T09:03:53Z) - A Survey of Geometric Graph Neural Networks: Data Structures, Models and
Applications [67.33002207179923]
本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。
幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。
また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
論文 参考訳(メタデータ) (2024-03-01T12:13:04Z) - Invariant Representations of Embedded Simplicial Complexes [0.0]
多くの分野において、三角メッシュやグラフのような埋め込み単純複体を解析することは重要な問題である。
本稿では, 位相情報と幾何学情報のみを用いて, サブディビジョン不変およびアイソメトリー不変の方法で, 組込みsimplicial Complexを解析するための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2023-02-27T07:49:05Z) - Dist2Cycle: A Simplicial Neural Network for Homology Localization [66.15805004725809]
単純複体は多方向順序関係を明示的にエンコードするグラフの高次元一般化と見なすことができる。
単体錯体の$k$-homological特徴によってパラメータ化された関数のグラフ畳み込みモデルを提案する。
論文 参考訳(メタデータ) (2021-10-28T14:59:41Z) - Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。
新規な構造化融合正規化に基づく一般グラフ推定器を提案する。
提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
論文 参考訳(メタデータ) (2021-03-05T04:42:32Z) - Self-supervised Geometric Perception [96.89966337518854]
自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。
また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
論文 参考訳(メタデータ) (2021-03-04T15:34:43Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳(メタデータ) (2020-10-23T14:49:02Z) - SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。
具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。
本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
論文 参考訳(メタデータ) (2020-10-22T07:15:23Z)
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。