Fugu-MT 論文翻訳(概要): Topological Classification of points in $Z^2$ by using Topological Numbers for $2$D discrete binary images

論文の概要: Topological Classification of points in $Z^2$ by using Topological Numbers for $2$D discrete binary images

arxiv url: http://arxiv.org/abs/2501.04878v1
Date: Wed, 08 Jan 2025 23:21:49 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-10 13:58:25.847184
Title: Topological Classification of points in $Z^2$ by using Topological Numbers for $2$D discrete binary images
Title（参考訳）: 2D離散2値画像における位相数を用いたZ^2$の点の位相分類
Authors: Christophe Lohou,
Abstract要約: 点の6つのクラスが提案されている: 孤立点、内点、単純点、曲線点、3つの曲線の交点、4つの曲線の交点。各クラスの構成数も与えられる。
参考スコア（独自算出の注目度）: 0.27195102129095
License:
Abstract: In this paper, we propose a topological classification of points for 2D discrete binary images. This classification is based on the values of the calculus of topological numbers. Six classes of points are proposed: isolated point, interior point, simple point, curve point, point of intersection of 3 curves, point of intersection of 4 curves. The number of configurations of each class is also given.
Abstract（参考訳）: 本稿では,2次元離散二元画像における点の位相的分類を提案する。この分類はトポロジカル数の計算値に基づいている。点の6つのクラスが提案されている: 孤立点、内点、単純点、曲線点、3つの曲線の交点、4つの曲線の交点。各クラスの構成数も与えられる。

関連論文リスト

Topological numbers and their use to characterize simple points for 2D binary images [0.27195102129095]
本研究では,2次元バイナリ画像に対して,特定の近傍の単純点を効率的に特徴付けるために提案されている2つのトポロジ数値を適応させる。単純な点を2つの位相数を使うか、あるいは1つの条件にリンクした1つの位相数で特徴づける。
論文参考訳（メタデータ） (2024-10-28T22:43:35Z)
Point Cloud Semantic Segmentation [16.495823748785583]
S3DISデータセット上でセマンティックセグメンテーションを行い、各ポイントクラウドは1つの部屋を表す。私たちはS3DISデータセット、すなわちPointCNN、PointNet++、Cylinder3D、Point Transformer、RepSurfでモデルをトレーニングします。
論文参考訳（メタデータ） (2023-05-01T11:20:51Z)
Toroidal Coordinates: Decorrelating Circular Coordinates With Lattice Reduction [1.9437538125261753]
本稿では,一連の線形独立コホモロジークラスから,低エネルギートーラス値マップをデータ上に構築するための体系的な手順について述べる。本アルゴリズムはLenstra-stra--Lov'aszアルゴリズムに基づく計算数理論に基づく。
論文参考訳（メタデータ） (2022-12-14T12:59:25Z)
On Hyperbolic Embeddings in 2D Object Detection [76.12912000278322]
双曲幾何学が対象分類空間の基盤構造に適合するかどうかを考察する。 2段階、キーポイントベース、トランスフォーマーベースオブジェクト検出アーキテクチャに双曲型分類器を組み込む。分類空間の構造に現れる分類階級階層を観察し、分類誤差を低くし、全体的な対象検出性能を高める。
論文参考訳（メタデータ） (2022-03-15T16:43:40Z)
Improved Search of Relevant Points for Nearest-Neighbor Classification [91.3755431537592]
トレーニングセットから除外された場合、トレーニングポイントが$mathbbRd$のクエリポイントの誤分類を引き起こす可能性がある場合、トレーニングポイントは関連していると言います。出力に敏感なアルゴリズムが提案され、境界点の集合が$P$ in $O(n2 + nk2 )$ time, ここで$k$はそのような集合のサイズである。本稿では,このアルゴリズムを,O(nk2 )$と同等の時間複雑性を持つように改良し,そのアルゴリズムの最初のステップが$O(n2)であることを示す。
論文参考訳（メタデータ） (2022-03-07T18:10:27Z)
Box2Seg: Learning Semantics of 3D Point Clouds with Box-Level Supervision [65.19589997822155]
我々は3Dポイントクラウドのポイントレベルのセマンティクスをバウンディングボックスレベルの監視で学習するために,Box2Segと呼ばれるニューラルアーキテクチャを導入する。提案するネットワークは,安価な,あるいは既定のバウンディングボックスレベルのアノテーションやサブクラウドレベルのタグでトレーニング可能であることを示す。
論文参考訳（メタデータ） (2022-01-09T09:07:48Z)
A singular Riemannian geometry approach to Deep Neural Networks II. Reconstruction of 1-D equivalence classes [78.120734120667]
入力空間における出力多様体内の点の事前像を構築する。我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
論文参考訳（メタデータ） (2021-12-17T11:47:45Z)
Finding Relevant Points for Nearest-Neighbor Classification [0.456877715768796]
最寄りの分類問題では、それぞれ既知の分類を持つ$d$次元の訓練点の集合が与えられ、他の点の未知の分類を推測するために使用される。トレーニングセットからの離脱がこれらの推論の結果を変える場合、トレーニングポイントが関係する。
論文参考訳（メタデータ） (2021-10-12T16:58:29Z)
Fine-Grained 3D Shape Classification with Hierarchical Part-View Attentions [70.0171362989609]
本稿では,FG3D-Netと呼ばれる新しい3次元形状分類手法を提案する。詳細な3次元形状データセットに基づく結果から,本手法が他の最先端手法よりも優れていることが示された。
論文参考訳（メタデータ） (2020-05-26T06:53:19Z)
Unsupervised Learning of Category-Specific Symmetric 3D Keypoints from Point Sets [71.84892018102465]
本稿では,未知のカテゴリから,対象物の3次元点群を不一致に集めて,カテゴリ固有の3Dキーポイントを教師なしで学習することを目的とする。私たちの知る限りでは、このようなキーポイントを直接3Dポイントクラウドから学ぶための最初の作業です。
論文参考訳（メタデータ） (2020-03-17T10:28:02Z)

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。