論文の概要: Flexible-weighted Chamfer Distance: Enhanced Objective Function for Point Cloud Completion

• arxiv url: http://arxiv.org/abs/2505.14218v1
• Date: Tue, 20 May 2025 11:26:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.134147
• Title: Flexible-weighted Chamfer Distance: Enhanced Objective Function for Point Cloud Completion
• Title（参考訳）: フレキシブル重み付きチャンファー距離:ポイントクラウドコンプリートのための拡張目的関数
• Authors: Jie Li, Shengwei Tian, Long Yu, Xin Ning,
• Abstract要約: Chamfer Distance (CD)は、生成された点雲のグローバル分布と局所的な性能を評価する2つのコンポーネントから構成される。 本稿では,FCD(Flexible-Weighted Chamfer Distance)を提案する。 FCDはCDのグローバル分布成分により高い重みを割り当て、フレキシブルな重み付け戦略を取り入れて両者のバランスを調整する。
• 参考スコア（独自算出の注目度）: 14.658272672392247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chamfer Distance (CD) comprises two components that can evaluate the global distribution and local performance of generated point clouds, making it widely utilized as a similarity measure between generated and target point clouds in point cloud completion tasks. Additionally, CD's computational efficiency has led to its frequent application as an objective function for guiding point cloud generation. However, using CD directly as an objective function with fixed equal weights for its two components can often result in seemingly high overall performance (i.e., low CD score), while failing to achieve a good global distribution. This is typically reflected in high Earth Mover's Distance (EMD) and Decomposed Chamfer Distance (DCD) scores, alongside poor human assessments. To address this issue, we propose a Flexible-Weighted Chamfer Distance (FCD) to guide point cloud generation. FCD assigns a higher weight to the global distribution component of CD and incorporates a flexible weighting strategy to adjust the balance between the two components, aiming to improve global distribution while maintaining robust overall performance. Experimental results on two state-of-the-art networks demonstrate that our method achieves superior results across multiple evaluation metrics, including CD, EMD, DCD, and F-Score, as well as in human evaluations.
• Abstract（参考訳）: Chamfer Distance (CD) は、生成された点雲のグローバル分布と局所的な性能を評価できる2つのコンポーネントから構成されており、点雲完了タスクにおいて生成された点雲と対象点雲の類似度尺度として広く利用されている。 さらに、CDの計算効率は、ポイントクラウド生成を導く目的関数として頻繁に応用されている。 しかし、2つの成分に等しい重みが固定された目的関数としてCDを直接使用すると、高い全体的な性能(すなわち、CDスコアの低い)が得られるが、優れたグローバル分布を達成できない。 これは典型的には、ヒトの劣悪な評価とともに、高地Mover's Distance (EMD) や分解型チャンファー距離 (DCD) のスコアに反映される。 この問題に対処するために、ポイントクラウド生成をガイドするフレキシブルウェイト・チャンファー距離(FCD)を提案する。 FCDはCDのグローバルディストリビューションコンポーネントにより高い重みを割り当て、フレキシブルな重み付け戦略を導入し、2つのコンポーネント間のバランスを調整する。 提案手法は,CD,EMD,DCD,Fスコアなど,複数の評価指標にまたがる優れた結果が得られることを示す。

関連論文リスト

• PCE-GAN: A Generative Adversarial Network for Point Cloud Attribute Quality Enhancement based on Optimal Transport [56.56430888985025]
  点雲品質向上のための生成逆ネットワーク(PCE-GAN)を提案する。 ジェネレータは、局所特徴抽出(LFE)ユニット、大域空間相関(GSC)ユニット、特徴圧縮ユニットからなる。 判別器は、強化点雲と原点雲の確率分布のずれを計算し、ジェネレータを誘導して高品質な再構成を実現する。
  論文  参考訳（メタデータ） (2025-02-26T07:34:33Z)
• Hyperbolic Chamfer Distance for Point Cloud Completion and Beyond [18.802664517825132]
  チャンファー距離(CD)は、外れ値の存在に対して脆弱である。 Hyperbolic Chamfer Distance (HyperCD)は、ポイントクラウド完了タスク用に特別に設計された。
  論文  参考訳（メタデータ） (2024-12-23T20:04:07Z)
• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• Point Cloud Pre-training with Diffusion Models [62.12279263217138]
  我々は、ポイントクラウド拡散事前学習(PointDif)と呼ばれる新しい事前学習手法を提案する。 PointDifは、分類、セグメンテーション、検出など、さまざまな下流タスクのために、さまざまな現実世界のデータセット間で大幅に改善されている。
  論文  参考訳（メタデータ） (2023-11-25T08:10:05Z)
• Camouflaged Object Detection via Context-aware Cross-level Fusion [10.942917945534678]
  カモフラージュされた物体検出(COD)は、自然界に隠れている物体を識別することを目的としている。 本稿では,コンテキスト認識型クロスレベル統合ネットワーク(C2F-Net)を提案する。 C2F-Netは効果的なCODモデルであり、最先端(SOTA)モデルよりも優れています。
  論文  参考訳（メタデータ） (2022-07-27T08:34:16Z)
• A Conditional Point Diffusion-Refinement Paradigm for 3D Point Cloud Completion [69.32451612060214]
  実スキャンされた3Dポイントクラウドはしばしば不完全であり、下流アプリケーションのために完全なポイントクラウドを復元することが重要である。 ほとんどの既存のポイントクラウド補完方法は、トレーニングにチャンファー距離(CD)損失を使用する。 本稿では,点雲完了のためのPDR(Point Diffusion-Refinement)パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-12-07T06:59:06Z)
• Density-aware Chamfer Distance as a Comprehensive Metric for Point Cloud Completion [90.26652899910019]
  チャンファー距離 (CD) とアースモーバー距離 (EMD) は、2つの点集合間の類似度を測定するために広く採用されている2つの指標である。 本稿では,DCD(Dedentity-Aware Chamfer Distance)と呼ばれる新しい類似度尺度を提案する。 DCDは、全体構造と局所的詳細の両方に注意を払っており、CDと矛盾する場合でも、より信頼性の高い評価を提供する。
  論文  参考訳（メタデータ） (2021-11-24T18:56:27Z)
• LiDAR-based Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
  LiDARベースのパノプティカルセグメンテーションは、オブジェクトとシーンを統一的に解析することを目的としている。 本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。 提案するDS-Netは,現在の最先端手法よりも優れた精度を実現する。
  論文  参考訳（メタデータ） (2020-11-24T08:44:46Z)

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。