論文の概要: Filtering of Small Components for Isosurface Generation

• arxiv url: http://arxiv.org/abs/2510.16684v1
• Date: Sun, 19 Oct 2025 02:08:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.094821
• Title: Filtering of Small Components for Isosurface Generation
• Title（参考訳）: アイソサイト生成のための微小成分のフィルタリング
• Authors: Devin Zhao, Rephael Wenger,
• Abstract要約: アイソサーフェス(英: iso surface)とは、あるレベル集合$f-1(sigma)$を、ある正規グリッドサンプリング$f$から構築されたmathbbR$のいくつかの$sigmaに対して断片的に線形に近似したものである。 データの単純な事前フィルタリングは、視覚化の本体を形成する大きなコンポーネントに影響を与えることなく、そのような小さなコンポーネントを除去することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Let $f: \mathbb{R}^3 \rightarrow \mathbb{R}$ be a scalar field. An isosurface is a piecewise linear approximation of a level set $f^{-1}(\sigma)$ for some $\sigma \in \mathbb{R}$ built from some regular grid sampling of $f$. Isosurfaces constructed from scanned data such as CT scans or MRIs often contain extremely small components that distract from the visualization and do not form part of any geometric model produced from the data. Simple prefiltering of the data can remove such small components while having no effect on the large components that form the body of the visualization. We present experimental results on such filtering.
• Abstract（参考訳）: f: \mathbb{R}^3 \rightarrow \mathbb{R}$ をスカラー場とする。 等曲面は、ある$\sigma \in \mathbb{R}$に対するレベル集合$f^{-1}(\sigma)$の断片線型近似である。 CTスキャンやMRIなどのスキャンデータから構築された等地表面は、可視化から逸脱し、データから生成される幾何モデルの一部を形成しない非常に小さな成分を含むことが多い。 データの単純な事前フィルタリングは、視覚化の本体を形成する大きなコンポーネントに影響を与えることなく、そのような小さなコンポーネントを除去することができる。 このようなフィルタリングに関する実験結果を示す。

関連論文リスト

• Robustness of Nonlinear Representation Learning [60.15898117103069]
  本研究では,教師なし表現学習の問題を,わずかに不特定な環境で研究する。 混合は線形変換と小さな誤差で識別可能であることを示す。 これらの結果は、実世界のデータに対する教師なし表現学習における識別可能性向上へのステップである。
  論文  参考訳（メタデータ） (2025-03-19T15:57:03Z)
• Conditional regression for the Nonlinear Single-Variable Model [4.565636963872865]
  次元の統計的および計算的呪いなしで、$mathbbRd$に$F$を回帰するには、特別な統計モデルが必要である。 ここで、モデル $F(X):=f(Pi_gamma X)$ ここで $Pi_gamma:mathbbRdto[0,textrmlen_gamma]$ は正則曲線のパラメータへの最も近い点射影である。
  論文  参考訳（メタデータ） (2024-11-14T18:53:51Z)
• Neural network learns low-dimensional polynomials with SGD near the information-theoretic limit [75.4661041626338]
  単一インデックス対象関数 $f_*(boldsymbolx) = textstylesigma_*left(langleboldsymbolx,boldsymbolthetarangleright)$ の勾配勾配勾配学習問題について検討する。 SGDに基づくアルゴリズムにより最適化された2層ニューラルネットワークは、情報指数に支配されない複雑さで$f_*$を学習する。
  論文  参考訳（メタデータ） (2024-06-03T17:56:58Z)
• Compressive Recovery of Sparse Precision Matrices [5.557600489035657]
  我々は,$d$変数の統計的関係を,mathbbRn times d$の$n$サンプル$Xのデータセットからモデル化するグラフの学習問題を考察する。 サイズ $m=Omegaleft((d+2k)log(d)right)$ ここで、$k$は基礎となるグラフのエッジの最大数である。 本稿では, グラフィカルラッソに基づく反復アルゴリズムを用いて, 具体的デノイザとみなす実用的リカバリを実現する可能性について検討する。
  論文  参考訳（メタデータ） (2023-11-08T13:29:08Z)
• $O(k)$-Equivariant Dimensionality Reduction on Stiefel Manifolds [2.0818404738530525]
  多くの実世界のデータセットは、高次元のスティーフェル多様体とグラスマン多様体に、それぞれ$V_k(mathbbRN)$と$Gr(k, mathbbRN)$で存在する。 我々はtextitPrincipal Stiefel Coordinates (PSC) というアルゴリズムを提案し、データ次元を$V_k(mathbbRN)$から$V_k(mathbbRn)$に減らした。
  論文  参考訳（メタデータ） (2023-09-19T17:21:12Z)
• Effective Minkowski Dimension of Deep Nonparametric Regression: Function Approximation and Statistical Theories [70.90012822736988]
  ディープ非パラメトリック回帰に関する既存の理論は、入力データが低次元多様体上にある場合、ディープニューラルネットワークは本質的なデータ構造に適応できることを示した。 本稿では,$mathcalS$で表される$mathbbRd$のサブセットに入力データが集中するという緩和された仮定を導入する。
  論文  参考訳（メタデータ） (2023-06-26T17:13:31Z)
• Near-optimal fitting of ellipsoids to random points [68.12685213894112]
  楕円体をランダムな点に合わせるという基本的な問題は、低ランク行列分解、独立成分分析、主成分分析に関係している。 我々はこの予想を、ある$n = Omega(, d2/mathrmpolylog(d))$ に対する適合楕円体を構成することで対数的因子まで解決する。 我々の証明は、ある非標準確率行列の便利な分解を用いて、サンダーソン等最小二乗構成の実現可能性を示す。
  論文  参考訳（メタデータ） (2022-08-19T18:00:34Z)
• Random matrices in service of ML footprint: ternary random features with no performance loss [55.30329197651178]
  我々は、$bf K$ の固有スペクトルが$bf w$ の i.d. 成分の分布とは独立であることを示す。 3次ランダム特徴(TRF)と呼ばれる新しいランダム手法を提案する。 提案したランダムな特徴の計算には乗算が不要であり、古典的なランダムな特徴に比べてストレージに$b$のコストがかかる。
  論文  参考訳（メタデータ） (2021-10-05T09:33:49Z)
• Two-way kernel matrix puncturing: towards resource-efficient PCA and spectral clustering [43.50783459690612]
  この方法は、データマトリックス$XinmathbbCptimes n$と対応するカーネル(Gram)マトリックス$K$の両方をBernoulliマスクを介してランダムに「切断」する。 我々は、GAN生成した画像データベースを実証的に確認し、データを劇的にパンクし、巨大な計算とストレージのゲインを提供することができることを確認した。
  論文  参考訳（メタデータ） (2021-02-24T14:01:58Z)

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。