論文の概要: Skeletonization Quality Evaluation: Geometric Metrics for Point Cloud Analysis in Robotics

• arxiv url: http://arxiv.org/abs/2504.00032v1
• Date: Sat, 29 Mar 2025 16:33:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:18:19.968865
• Title: Skeletonization Quality Evaluation: Geometric Metrics for Point Cloud Analysis in Robotics
• Title（参考訳）: 骨格化品質評価:ロボットにおけるポイントクラウド解析のための幾何学的メトリクス
• Authors: Qingmeng Wen, Yu-Kun Lai, Ze Ji, Seyed Amir Tafrishi,
• Abstract要約: この研究は、点雲形状の骨格化結果を評価するために、幾何学的性質の定義と定量化に焦点を当てている。 本稿では,これらの代表的メートル法定義と,骨格化結果を解析するための数値的スコアリングフレームワークを紹介する。 また、研究コミュニティが骨格モデルを評価し、洗練するためのオープンソースツールも提供しています。
• 参考スコア（独自算出の注目度）: 41.9873737027277
• License:
• Abstract: Skeletonization is a powerful tool for shape analysis, rooted in the inherent instinct to understand an object's morphology. It has found applications across various domains, including robotics. Although skeletonization algorithms have been studied in recent years, their performance is rarely quantified with detailed numerical evaluations. This work focuses on defining and quantifying geometric properties to systematically score the skeletonization results of point cloud shapes across multiple aspects, including topological similarity, boundedness, centeredness, and smoothness. We introduce these representative metric definitions along with a numerical scoring framework to analyze skeletonization outcomes concerning point cloud data for different scenarios, from object manipulation to mobile robot navigation. Additionally, we provide an open-source tool to enable the research community to evaluate and refine their skeleton models. Finally, we assess the performance and sensitivity of the proposed geometric evaluation methods from various robotic applications.
• Abstract（参考訳）: 骨格化は形状解析の強力なツールであり、物体の形態を理解するために固有の本能に根ざしている。 同社は、ロボティクスを含むさまざまな分野の応用を見つけた。 近年, 骨格化アルゴリズムが研究されているが, 詳細な数値評価によってその性能を定量化することは稀である。 この研究は、位相的類似性、有界性、中心性、滑らか性を含む複数の側面にわたる点雲形状の骨格化結果を体系的にスコアする幾何学的性質の定義と定量化に焦点を当てている。 本稿では,これらの代表的メトリック定義と数値的なスコアリングフレームワークを導入し,オブジェクト操作から移動ロボットナビゲーションに至るまで,さまざまなシナリオのポイントクラウドデータに関するスケルトン化結果を分析する。 さらに,研究コミュニティが骨格モデルを評価し,改良するためのオープンソースツールも提供しています。 最後に,様々なロボットアプリケーションから提案した幾何評価手法の性能と感度を評価する。

関連論文リスト

• 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)
• Human as Points: Explicit Point-based 3D Human Reconstruction from Single-view RGB Images [71.91424164693422]
  我々はHaPと呼ばれる明示的なポイントベース人間再構築フレームワークを導入する。 提案手法は,3次元幾何学空間における完全明示的な点雲推定,操作,生成,洗練が特徴である。 我々の結果は、完全に明示的で幾何学中心のアルゴリズム設計へのパラダイムのロールバックを示すかもしれない。
  論文  参考訳（メタデータ） (2023-11-06T05:52:29Z)
• 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)
• Delaunay Component Analysis for Evaluation of Data Representations [20.31649764319578]
  Delaunay Component Analysis (DCA) - Delaunay graphと呼ばれるより適切な近傍グラフを用いてデータ多様体を近似する評価アルゴリズムを提案する。 比較対象モデル,教師付きモデル,生成モデルを用いて学習したニューラルネットワークから得られた表現について,提案手法を実験的に検証した。
  論文  参考訳（メタデータ） (2022-02-14T16:48:23Z)
• SI-Score: An image dataset for fine-grained analysis of robustness to object location, rotation and size [95.00667357120442]
  オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。 合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
  論文  参考訳（メタデータ） (2021-04-09T05:00:49Z)
• Point2Skeleton: Learning Skeletal Representations from Point Clouds [36.62519847312199]
  本稿では,ポイントクラウドから骨格表現を学習するための教師なし手法であるPoint2Skeletonを紹介する。 まず、幾何変換を学習して骨格点の集合を予測し、次に骨格点の接続性を分析して骨格メッシュ構造を形成する。
  論文  参考訳（メタデータ） (2020-12-01T03:04:09Z)
• Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation [89.82169646672872]
  本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。 我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
  論文  参考訳（メタデータ） (2020-11-30T20:46:48Z)
• Representations, Metrics and Statistics For Shape Analysis of Elastic Graphs [21.597624908203805]
  本稿では,道路網や血管,脳線維路などのグラフィカルな物体の形状を解析するための遠距離幾何学的手法を提案する。 任意の形(エッジ)の曲線で作られ、任意のジャンクション(ノード)で連結されたグラフとして、ジオメトリーとトポロジーの両方の違いを示す、そのような対象を表す。
  論文  参考訳（メタデータ） (2020-02-29T16:07:48Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)

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。