論文の概要: GenAnalysis: Joint Shape Analysis by Learning Man-Made Shape Generators with Deformation Regularizations

• arxiv url: http://arxiv.org/abs/2503.00807v1
• Date: Sun, 02 Mar 2025 09:17:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:26.058379
• Title: GenAnalysis: Joint Shape Analysis by Learning Man-Made Shape Generators with Deformation Regularizations
• Title（参考訳）: 遺伝子解析:変形規則化によるマンメイド形状生成器の学習による関節形状解析
• Authors: Yuezhi Yang, Haitao Yang, Kiyohiro Nakayama, Xiangru Huang, Leonidas Guibas, Qixing Huang,
• Abstract要約: GenAnalysisは、人造形の共同解析を可能にする暗黙の形状生成フレームワークである。 本研究では,各形状の接空間における一方向アフィンベクトル場を復元し,形状変化を抽出する方法を示す。 次に,AAAP変形を中間形状列に繰り返し伝播させることにより形状対応を導出する。
• 参考スコア（独自算出の注目度）: 21.923143529947886
• License:
• Abstract: We present GenAnalysis, an implicit shape generation framework that allows joint analysis of man-made shapes, including shape matching and joint shape segmentation. The key idea is to enforce an as-affine-as-possible (AAAP) deformation between synthetic shapes of the implicit generator that are close to each other in the latent space, which we achieve by designing a regularization loss. It allows us to understand the shape variation of each shape in the context of neighboring shapes and also offers structure-preserving interpolations between the input shapes. We show how to extract these shape variations by recovering piecewise affine vector fields in the tangent space of each shape. These vector fields provide single-shape segmentation cues. We then derive shape correspondences by iteratively propagating AAAP deformations across a sequence of intermediate shapes. These correspondences are then used to aggregate single-shape segmentation cues into consistent segmentations. We conduct experiments on the ShapeNet dataset to show superior performance in shape matching and joint shape segmentation over previous methods.
• Abstract（参考訳）: GenAnalysisは,形状マッチングや関節形状のセグメンテーションなど,人工的な形状のジョイント解析を可能にする暗黙の形状生成フレームワークである。 鍵となる考え方は、潜在空間において互いに近接している暗黙発生器の合成形状間のアフィン・アズ・ア・ポーシブル(AAAP)変形を強制することであり、正規化損失を設計することで達成する。 これにより、隣接する形状の文脈における各形状の形状変化を理解することができ、入力形状間の構造保存補間を提供する。 本研究では,各形状の接空間における一方向アフィンベクトル場を復元することにより,これらの形状変化を抽出する方法を示す。 これらのベクトル場は、単一形状のセグメンテーションキューを提供する。 次に,AAAP変形を中間形状列に繰り返し伝播させることにより形状対応を導出する。 これらの対応は、単一形状のセグメンテーションキューを一貫したセグメンテーションに集約するために使用される。 本研究では,ShapeNetデータセットを用いて,従来手法よりも形状マッチングや関節形状のセグメンテーションにおいて優れた性能を示す実験を行った。

関連論文リスト

• Spectral Meets Spatial: Harmonising 3D Shape Matching and Interpolation [50.376243444909136]
  本稿では,3次元形状の対応と形状の両面を統一的に予測する枠組みを提案する。 我々は、スペクトル領域と空間領域の両方の形状を地図化するために、奥行き関数写像フレームワークと古典的な曲面変形モデルを組み合わせる。
  論文  参考訳（メタデータ） (2024-02-29T07:26:23Z)
• 3D Shape Completion on Unseen Categories:A Weakly-supervised Approach [61.76304400106871]
  未確認のカテゴリから完全な形状を再構築するための、新しい弱教師付きフレームワークを導入する。 まず,各カテゴリから得られたデータを利用して粗い形状を推定する,エンドツーエンドの事前支援型形状学習ネットワークを提案する。 さらに, 粗い形状をさらに洗練させるために, 自己教師型形状改善モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-19T09:41:09Z)
• ShapeMatcher: Self-Supervised Joint Shape Canonicalization, Segmentation, Retrieval and Deformation [47.94499636697971]
  本稿では,関節形状の正準化,分節化,検索,変形を行うための自己教師型学習フレームワークであるShapeMatcherを提案する。 ShapeMakerの重要な洞察は、標準化、セグメンテーション、検索、変形という4つの高関連プロセスの同時トレーニングである。
  論文  参考訳（メタデータ） (2023-11-18T15:44:57Z)
• Geometrically Consistent Partial Shape Matching [50.29468769172704]
  3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。 しばしば無視されるが、整合幾何学の重要な性質は整合性である。 本稿では,新しい整数型線形計画部分形状整合式を提案する。
  論文  参考訳（メタデータ） (2023-09-10T12:21:42Z)
• 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)
• Augmenting Implicit Neural Shape Representations with Explicit Deformation Fields [95.39603371087921]
  入射神経表現は、ニューラルネットワークのゼロレベルセットとして形状収集を学ぶための最近のアプローチである。 我々は,暗黙的ニューラル表現に対する変形認識正規化を提唱し,遅延コードの変化として可塑性変形を生成することを目的とした。
  論文  参考訳（メタデータ） (2021-08-19T22:07:08Z)
• Spectral Unions of Partial Deformable 3D Shapes [31.93707121229739]
  まず, 与えられた部分形状間の密接な対応を第一に解くことなく, 非剛性変形形状の合成を計算する最初の方法を提案する。 我々のアプローチはデータ駆動であり、表面の等尺および非等尺変形に一般化することができる。
  論文  参考訳（メタデータ） (2021-03-31T14:19:18Z)
• ShapeFlow: Learnable Deformations Among 3D Shapes [28.854946339507123]
  本研究では,3次元形状のクラス全体の変形空間を学習するためのフローベースモデルを提案する。 ShapeFlowは、形状トポロジーに非依存なマルチテンプレートの変形空間を学習できるが、微妙な幾何学的詳細を保存できる。
  論文  参考訳（メタデータ） (2020-06-14T19:03:35Z)
• Cross-Shape Attention for Part Segmentation of 3D Point Clouds [11.437076464287822]
  本稿では,形状のポイントワイド特徴と他の形状との相互作用を可能にするために,断面アテンション機構を提案する。 このメカニズムは点間の相互作用の度合いを評価し、また形状間の特徴伝播を仲介する。 我々のアプローチは、人気の高いPartNetデータセットに最先端の結果をもたらす。
  論文  参考訳（メタデータ） (2020-03-20T00:23:10Z)

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。