論文の概要: Pairwise Alignment & Compatibility for Arbitrarily Irregular Image Fragments
- arxiv url: http://arxiv.org/abs/2507.09767v1
- Date: Sun, 13 Jul 2025 19:49:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:23.969735
- Title: Pairwise Alignment & Compatibility for Arbitrarily Irregular Image Fragments
- Title（参考訳）: 任意不規則画像フラグメントのペアワイズアライメントと適合性
- Authors: Ofir Itzhak Shahar, Gur Elkin, Ohad Ben-Shahar,
- Abstract要約: フラグメント対の最適アライメントを計算するために,効率的なハイブリッド(幾何学的および画像的)アプローチを提案する。
次に、提案した互換性を考古学的なパズル解決フレームワークに組み込んで、最先端の近隣レベルの精度を実証する。
- 参考スコア（独自算出の注目度）: 3.1918203325276564
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pairwise compatibility calculation is at the core of most fragments-reconstruction algorithms, in particular those designed to solve different types of the jigsaw puzzle problem. However, most existing approaches fail, or aren't designed to deal with fragments of realistic geometric properties one encounters in real-life puzzles. And in all other cases, compatibility methods rely strongly on the restricted shapes of the fragments. In this paper, we propose an efficient hybrid (geometric and pictorial) approach for computing the optimal alignment for pairs of fragments, without any assumptions about their shapes, dimensions, or pictorial content. We introduce a new image fragments dataset generated via a novel method for image fragmentation and a formal erosion model that mimics real-world archaeological erosion, along with evaluation metrics for the compatibility task. We then embed our proposed compatibility into an archaeological puzzle-solving framework and demonstrate state-of-the-art neighborhood-level precision and recall on the RePAIR 2D dataset, directly reflecting compatibility performance improvements.
- Abstract（参考訳）: ペアワイズ整合性計算は、ほとんどのフラグメント再構成アルゴリズムの中核であり、特にジグソーパズルの様々なタイプの問題を解くように設計されている。
しかし、既存のほとんどのアプローチは失敗するか、現実のパズルで遭遇する現実的な幾何学的性質の断片を扱うように設計されていない。
その他のすべての場合において、互換性の手法はフラグメントの制限された形状に強く依存する。
本稿では, 形状, 寸法, 図形内容の仮定を伴わずに, フラグメント対の最適アライメントを計算するための, 効率的なハイブリッド(幾何学的, 図形的)アプローチを提案する。
画像断片化のための新しい手法と,実際の考古学的浸食を模倣する形式的浸食モデルにより生成した画像断片化データセットと,その整合性評価指標を紹介する。
次に、提案した互換性を考古学的なパズル解決フレームワークに組み込んで、RePAIR 2Dデータセット上で最先端の近隣レベルの精度とリコールを実演し、互換性のパフォーマンス改善を直接反映する。
関連論文リスト
- Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。
私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。
提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
論文 参考訳（メタデータ） (2025-04-04T05:08:04Z) - A Generic Hybrid Framework for 2D Visual Reconstruction [39.58317527488534]
本稿では,2次元実世界の再現タスクを,正方形の非重複部分を持つジグソーパズル問題 (JPP) として定式化するための多目的ハイブリッドフレームワークを提案する。
提案手法は,一対のパズル片を論理的に評価する深層学習(DL)ベースの互換性尺度(CM)モデルを統合する。
我々の独自のハイブリッド手法は、ポルトガルのタイルパネルと大きな劣化パズルを浸食境界で再構築することで、最先端のSOTA(State-of-the-art)を実現する。
論文 参考訳（メタデータ） (2025-01-31T17:21:29Z) - Image Matching Filtering and Refinement by Planes and Beyond [8.184339776177486]
本稿では,画像マッチングにおけるスパース対応のフィルタリングと精細化のためのモジュール型非深度学習手法を提案する。
提案手法は, 標準データセットと画像マッチングパイプラインで広く評価され, 最先端のアプローチと比較される。
実験の結果,提案した非深層学習の幾何学的アプローチは,最近の最先端のディープラーニング手法に匹敵する,あるいは同等な性能を達成できることが示された。
論文 参考訳（メタデータ） (2024-11-14T14:37:50Z) - Scalable Geometric Fracture Assembly via Co-creation Space among
Assemblers [24.89380678499307]
我々は,意味情報に頼らずに,幾何学的フラクチャーアセンブリのためのスケーラブルなフレームワークを開発した。
本稿では, フラクチャー・アセンブリ・プロセスにおける衝突問題に対処するために, 新たな損失関数,すなわち幾何に基づく衝突損失を導入する。
私たちのフレームワークは、既存の最先端フレームワークと比較して、PartNetとBreaking Badデータセットの両方でパフォーマンスが向上しています。
論文 参考訳（メタデータ） (2023-12-19T17:13:51Z) - PairingNet: A Learning-based Pair-searching and -matching Network for Image Fragments [6.317537547004322]
本稿では,難解な修復問題を解決するために,学習に基づくイメージフラグメントのペア探索とマッチング手法を提案する。
提案するネットワークは,ペア探索の精度に優れ,マッチングエラーを低減し,計算時間を大幅に短縮する。
論文 参考訳（メタデータ） (2023-12-14T07:43:53Z) - COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
顔偽造認識法は一度に1つの顔しか処理できない。
ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。
マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
論文 参考訳（メタデータ） (2023-08-03T03:37:13Z) - Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。
まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。
本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文 参考訳（メタデータ） (2023-02-16T10:40:55Z) - Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。
画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
論文 参考訳（メタデータ） (2021-09-22T18:34:14Z) - Isometric Multi-Shape Matching [50.86135294068138]
形状間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の基本的な問題である。
アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。
定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
論文 参考訳（メタデータ） (2020-12-04T15:58:34Z) - Non-Rigid Puzzles [50.213265511586535]
非剛性多部形状マッチングアルゴリズムを提案する。
非剛性変形中の参照形状とその複数の部品が与えられると仮定する。
合成法と実走査法の実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-11-26T00:32:30Z)
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。