Fugu-MT 論文翻訳(概要): An Algebraic Geometry Approach to Viewing Graph Solvability

論文の概要: An Algebraic Geometry Approach to Viewing Graph Solvability

arxiv url: http://arxiv.org/abs/2504.03637v1
Date: Fri, 04 Apr 2025 17:58:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-14 15:42:38.5834
Title: An Algebraic Geometry Approach to Viewing Graph Solvability
Title（参考訳）: 代数的幾何学的手法によるグラフの可解性評価
Authors: Federica Arrigoni, Kathlén Kohn, Andrea Fusiello, Tomas Pajdla,
Abstract要約: ビューンググラフは、ノードがカメラと関連付けられ、エッジが重なり合うビューを接続するエピポーラ幾何学を表す数学的構造である。代数幾何学に基づく可解性問題を解析するための新しい枠組みを提案する。
参考スコア（独自算出の注目度）: 13.472358236964679
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The concept of viewing graph solvability has gained significant interest in the context of structure-from-motion. A viewing graph is a mathematical structure where nodes are associated to cameras and edges represent the epipolar geometry connecting overlapping views. Solvability studies under which conditions the cameras are uniquely determined by the graph. In this paper we propose a novel framework for analyzing solvability problems based on Algebraic Geometry, demonstrating its potential in understanding structure-from-motion graphs and proving a conjecture that was previously proposed.
Abstract（参考訳）: グラフ可解性(英語版)という概念は、構造移動の文脈において大きな関心を集めている。ビューンググラフは、ノードがカメラと関連付けられ、エッジが重なり合うビューを接続するエピポーラ幾何学を表す数学的構造である。カメラがグラフによって一意に決定される条件下での可解性の研究。本稿では,代数幾何学に基づく可解性問題の解析手法を提案する。

関連論文リスト

RiemannGL: Riemannian Geometry Changes Graph Deep Learning [42.90386246551942]
グラフはユビキタスであり、グラフ上での学習は、人工知能とデータマイニングコミュニティの基盤となっている。本稿では、リーマン幾何学がグラフ表現学習の原理的かつ必要不可欠な基礎を提供すると論じる。リーマングラフ学習の中心的目的は、内在多様体構造を持つグラフニューラルネットワークを作ることである。
論文参考訳（メタデータ） (2026-02-11T16:10:53Z)
Aligning the Unseen in Attributed Graphs: Interplay between Graph Geometry and Node Attributes Manifold [0.46976113832881716]
構造アライメントから多様体学習を分離するカスタム変分オートエンコーダを導入する。属性多様体をグラフのHeat Kernelにマッピングするために必要な計量歪みを定量化することにより、幾何学的衝突を構造記述子に変換する。
論文参考訳（メタデータ） (2026-01-30T10:34:26Z)
GraIP: A Benchmarking Framework For Neural Graph Inverse Problems [31.17028900874544]
本稿では,多種多様なグラフ学習タスクを逆問題として定式化し,再編成するニューラルグラフ逆問題の概念的枠組みを紹介する。本稿では,グラフ学習タスクにおけるGraIPの汎用性を示す。
論文参考訳（メタデータ） (2026-01-26T19:28:16Z)
Structural Graph Neural Networks with Anatomical Priors for Explainable Chest X-ray Diagnosis [0.0]
本稿では,説明可能な視覚に基づく診断のために,解剖学的背景を明示的に組み込んだ構造グラフ推論フレームワークを提案する。推論過程の一部として相対空間関係を明示的にモデル化する独自の構造伝搬機構を導入する。このフレームワークはドメインに依存しず、人工知能システム全体のグラフベースの推論というより広範なビジョンと一致している。
論文参考訳（メタデータ） (2026-01-17T09:41:07Z)
Signed graphs in data sciences via communicability geometry [49.1574468325115]
署名付きグラフの通信可能性の概念を提案し,その数学的性質を探求する。負の辺が存在する場合でも、距離の公理を満たす指標を導出する。次に、これらのメトリクスを適用して、統一されたフレームワーク内の署名付きグラフのデータ解析におけるいくつかの問題を解決する。
論文参考訳（メタデータ） (2024-03-12T10:32:35Z)
A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications [71.809127869349]
本稿では、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データ構造として幾何学的グラフを定式化する。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)
Contrastive Graph Clustering in Curvature Spaces [74.03252813800334]
本研究では,CONGREGATE という新しいグラフクラスタリングモデルを提案する。幾何学的クラスタリングを支援するため、理論的に基底とした不均一曲率空間を構築した。次に、拡張不要な再重み付きコントラスト的アプローチでグラフクラスタをトレーニングする。
論文参考訳（メタデータ） (2023-05-05T14:04:52Z)
Harnessing spectral representations for subgraph alignment [15.86857474914914]
本稿では,コンパクトで計算が容易で,トポロジ的変化に頑健で,既存のパイプラインに差し込むのが容易で,特に部分グラフアライメント問題に有効である地図のスペクトル表現を提案する。サブグラフアライメントタスクで生じる部分性がマップ係数の特別な構造として表される驚くべき現象を初めて報告する。
論文参考訳（メタデータ） (2022-05-30T09:03:28Z)
Towards Explanation for Unsupervised Graph-Level Representation Learning [108.31036962735911]
既存の説明手法は,教師付き設定,例えばノード分類,グラフ分類に重点を置いているが,教師なしグラフレベルの表現学習に関する説明はまだ探索されていない。本稿では,非教師付きグラフ表現における説明問題に対処するために,インフォメーション・ボトルネックの原則(IB)を推進し,新しい原理であるtextitUnsupervised Subgraph Information Bottleneck(USIB)を導出する。また,グラフ表現とラベル空間上の説明部分グラフの関連性も理論的に解析し,表現の堅牢性が説明部分グラフの忠実性に寄与することを明らかにする。
論文参考訳（メタデータ） (2022-05-20T02:50:15Z)
A Thorough View of Exact Inference in Graphs from the Degree-4 Sum-of-Squares Hierarchy [37.34153902687548]
各エッジの1つの破損した観測からノードの未知の接地型バイナリラベリングを正確に回収する問題に取り組む。この問題に対して、和の平方階層と呼ばれるリラクゼーションの階層を適用します。我々は、緩和問題の双対の解がジョンソングラフとクネーサーグラフのエッジウェイトを見つけることに関連していることを示した。
論文参考訳（メタデータ） (2021-02-16T08:36:19Z)
Some Algorithms on Exact, Approximate and Error-Tolerant Graph Matching [3.655021726150369]
我々は、様々な正確かつ不正確なグラフマッチング技術の広範な調査を紹介します。グラフマッチングアルゴリズムのカテゴリが提示され、重要でないノードを除去することでグラフのサイズを小さくする。幾何グラフを用いたグラフ類似度測定の新しい手法を提案する。
論文参考訳（メタデータ） (2020-12-30T18:51:06Z)
GraphOpt: Learning Optimization Models of Graph Formation [72.75384705298303]
本稿では,グラフ構造形成の暗黙的モデルを学ぶエンドツーエンドフレームワークを提案し,その基盤となる最適化機構を明らかにする。学習した目的は、観測されたグラフプロパティの説明として機能し、ドメイン内の異なるグラフを渡すために自分自身を貸すことができる。 GraphOptは、グラフ内のリンク生成をシーケンシャルな意思決定プロセスとして、最大エントロピー逆強化学習アルゴリズムを用いて解決する。
論文参考訳（メタデータ） (2020-07-07T16:51:39Z)
Structural Landmarking and Interaction Modelling: on Resolution Dilemmas in Graph Classification [50.83222170524406]
解法ジレンマの統一概念に基づくグラフ分類における本質的難易度の研究」構造ランドマークと相互作用モデリングのためのインダクティブニューラルネットワークモデルSLIM'を提案する。
論文参考訳（メタデータ） (2020-06-29T01:01:42Z)

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。