論文の概要: A dataset-free approach for self-supervised learning of 3D reflectional symmetries

• arxiv url: http://arxiv.org/abs/2503.02660v1
• Date: Tue, 04 Mar 2025 14:22:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:23:56.154422
• Title: A dataset-free approach for self-supervised learning of 3D reflectional symmetries
• Title（参考訳）: 3次元反射対称性の自己教師型学習のためのデータセットフリーアプローチ
• Authors: Issac Aguirre, Ivan Sipiran, Gabriel Montañana,
• Abstract要約: 我々は,入力オブジェクト自体にのみデータセット解析を必要とせず,単一のオブジェクトの対称性を検出することを学習する自己教師モデルについて検討する。 基礎的真理ラベルの必要性を除去する自己教師型学習戦略を設計する。 私たちのモデルはより効率的で効果的で、最小限の計算資源とデータリソースで動作します。
• 参考スコア（独自算出の注目度）: 0.5735035463793009
• License:
• Abstract: In this paper, we explore a self-supervised model that learns to detect the symmetry of a single object without requiring a dataset-relying solely on the input object itself. We hypothesize that the symmetry of an object can be determined by its intrinsic features, eliminating the need for large datasets during training. Additionally, we design a self-supervised learning strategy that removes the necessity of ground truth labels. These two key elements make our approach both effective and efficient, addressing the prohibitive costs associated with constructing large, labeled datasets for this task. The novelty of our method lies in computing features for each point on the object based on the idea that symmetric points should exhibit similar visual appearances. To achieve this, we leverage features extracted from a foundational image model to compute a visual descriptor for the points. This approach equips the point cloud with visual features that facilitate the optimization of our self-supervised model. Experimental results demonstrate that our method surpasses the state-of-the-art models trained on large datasets. Furthermore, our model is more efficient, effective, and operates with minimal computational and data resources.
• Abstract（参考訳）: 本稿では,入力対象自体にのみ依存することなく,単一対象の対称性を検出する自己教師モデルについて検討する。 我々は、物体の対称性はその固有の特徴によって決定できると仮定し、訓練中に大きなデータセットを必要としない。 さらに,基礎的真理ラベルの必要性を解消する自己教師型学習戦略を設計する。 これらの2つの重要な要素は、このアプローチを効果的かつ効率的にし、このタスクのために大きなラベル付きデータセットを構築することに関連する禁止的なコストに対処します。 この手法の斬新さは、対称点が類似した視覚的外観を示すべきであるという考え方に基づいて、オブジェクトの各点の計算機能に関係している。 これを実現するために,基本画像モデルから抽出した特徴を活用し,点の視覚的記述子を計算する。 このアプローチは、自己教師付きモデルの最適化を容易にする視覚的特徴をポイントクラウドに装備する。 実験の結果,本手法は大規模データセット上で訓練された最先端モデルを上回ることがわかった。 さらに、我々のモデルはより効率的で効果的であり、最小限の計算資源とデータ資源で動作します。

関連論文リスト

• Zero-Shot Object-Centric Representation Learning [72.43369950684057]
  ゼロショット一般化のレンズによる現在の対象中心法について検討する。 8つの異なる合成および実世界のデータセットからなるベンチマークを導入する。 多様な実世界の画像のトレーニングにより、見えないシナリオへの転送性が向上することがわかった。
  論文  参考訳（メタデータ） (2024-08-17T10:37:07Z)
• An Information Theoretic Approach to Machine Unlearning [43.423418819707784]
  AIやデータ規則に従うためには、トレーニングされた機械学習モデルからプライベートまたは著作権のある情報を忘れる必要性がますます高まっている。 この研究では、ゼロショットのアンラーニングシナリオに対処し、未学習のアルゴリズムは、トレーニングされたモデルと忘れられるデータだけが与えられたデータを削除できなければならない。 モデルの幾何に基づいて、単純だが原則化されたゼロショットアンラーニング法を導出する。
  論文  参考訳（メタデータ） (2024-02-02T13:33:30Z)
• A Simple and Efficient Baseline for Data Attribution on Images [107.12337511216228]
  現在の最先端のアプローチでは、モデル予測を正確に評価するために、最大30万のモデルの大規模なアンサンブルが必要となる。 本研究では、自己教師付き学習によって事前訓練されたバックボーンの特徴空間を利用して、データ帰属を行うミニマリストベースラインに焦点を当てる。 提案手法はモデルに依存しず,大規模データセットに容易にスケールできる。
  論文  参考訳（メタデータ） (2023-11-03T17:29:46Z)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• Evaluating Representations with Readout Model Switching [19.907607374144167]
  本稿では,最小記述長(MDL)の原理を用いて評価指標を考案する。 我々は、読み出しモデルのためのハイブリッド離散および連続値モデル空間を設計し、それらの予測を組み合わせるために切替戦略を用いる。 提案手法はオンライン手法で効率的に計算でき,様々なアーキテクチャの事前学習された視覚エンコーダに対する結果を示す。
  論文  参考訳（メタデータ） (2023-02-19T14:08:01Z)
• Bridging the Gap to Real-World Object-Centric Learning [66.55867830853803]
  自己教師付き方法で訓練されたモデルから特徴を再構成することは、完全に教師なしの方法でオブジェクト中心表現が生じるための十分な訓練信号であることを示す。 我々のアプローチであるDINOSAURは、シミュレーションデータ上で既存のオブジェクト中心学習モデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2022-09-29T15:24:47Z)
• Instance Image Retrieval by Learning Purely From Within the Dataset [26.59077238274763]
  本研究は,従来は画像検索について十分な研究が行われていなかった,別のアプローチを考察する。 自己教師付き学習のための画像領域を生成するためにオブジェクト提案ジェネレータを追加することで、探索対象のデータセットに固有の特徴表現をうまく学習することができる。 実験的に検証されたように、このような単純な自己教師付き学習と自己ブーティングのアプローチは、関連する最先端の検索手法とよく競合する。
  論文  参考訳（メタデータ） (2022-08-12T04:51:53Z)
• Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
  一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。 このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。 提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
  論文  参考訳（メタデータ） (2022-04-12T15:03:51Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Conditional Object-Centric Learning from Video [34.012087337046005]
  我々は、リアルな合成シーンのための光の流れを予測するために、スロット注意を逐次拡張する。 我々は,このモデルの初期状態が,第1フレーム内の物体の質量の中心など,小さなヒントの集合に条件付けるだけで,インスタンスのセグメンテーションを大幅に改善できることを示す。 これらの利点は、トレーニング分布を超えて、新しいオブジェクト、新しいバックグラウンド、より長いビデオシーケンスに一般化される。
  論文  参考訳（メタデータ） (2021-11-24T16:10:46Z)

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。