論文の概要: scipy.spatial.transform: Differentiable Framework-Agnostic 3D Transformations in Python

• arxiv url: http://arxiv.org/abs/2511.18157v2
• Date: Wed, 26 Nov 2025 09:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 14:46:34.33244
• Title: scipy.spatial.transform: Differentiable Framework-Agnostic 3D Transformations in Python
• Title（参考訳）: scipy.spatial.transform: Pythonにおける微分可能なフレームワークに依存しない3D変換
• Authors: Martin Schuck, Alexander von Rohr, Angela P. Schoellig,
• Abstract要約: 三次元剛体変換、すなわち回転と変換は、現代の微分可能な機械学習パイプラインの中心である。 SciPyのspace$.$diffモジュールは、厳格にテストされたPython実装である。 我々はSciPyの空間$.$transform機能を完全にオーバーホールし、Python配列APIを実装する任意の配列ライブラリと互換性を持たせる。
• 参考スコア（独自算出の注目度）: 49.015684860172975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-dimensional rigid-body transforms, i.e. rotations and translations, are central to modern differentiable machine learning pipelines in robotics, vision, and simulation. However, numerically robust and mathematically correct implementations, particularly on SO(3), are error-prone due to issues such as axis conventions, normalizations, composition consistency and subtle errors that only appear in edge cases. SciPy's spatial$.$transform module is a rigorously tested Python implementation. However, it historically only supported NumPy, limiting adoption in GPU-accelerated and autodiff-based workflows. We present a complete overhaul of SciPy's spatial$.$transform functionality that makes it compatible with any array library implementing the Python array API, including JAX, PyTorch, and CuPy. The revised implementation preserves the established SciPy interface while enabling GPU/TPU execution, JIT compilation, vectorized batching, and differentiation via native autodiff of the chosen backend. We demonstrate how this foundation supports differentiable scientific computing through two case studies: (i) scalability of 3D transforms and rotations and (ii) a JAX drone simulation that leverages SciPy's Rotation for accurate integration of rotational dynamics. Our contributions have been merged into SciPy main and will ship in the next release, providing a framework-agnostic, production-grade basis for 3D spatial math in differentiable systems and ML.
• Abstract（参考訳）: 三次元剛体変換、すなわち回転と翻訳は、ロボット工学、ビジョン、シミュレーションにおける現代の微分可能な機械学習パイプラインの中心である。 しかし、数値的に堅牢で数学的に正しい実装、特にSO(3)上の実装は、軸の規則、正規化、構成の整合性、エッジケースにのみ現れる微妙な誤りなどの問題によってエラーを起こしやすい。 SciPyの空間$。 $transformモジュールは、厳格にテストされたPython実装である。 しかし、歴史的にはNumPyのみをサポートし、GPUアクセラレーションとオートディフベースのワークフローの採用を制限する。 SciPyの空間$の完全なオーバーホールを示す。 JAX、PyTorch、CuPyなど、Python配列APIを実装するどんな配列ライブラリとも互換性のある$transform機能。 改訂された実装は、GPU/TPUの実行、JITコンパイル、ベクトル化されたバッチ、選択したバックエンドのネイティブオートディフによる差別化を可能にしながら、確立されたSciPyインターフェイスを保存する。 我々は、この財団が2つのケーススタディを通して、差別化可能な科学計算をどのようにサポートするかを実証する。 (i)3次元変換と回転のスケーラビリティ (II)SciPyの回転を利用して回転力学を正確に統合するJAXドローンシミュレーション。 私たちのコントリビューションはSciPyのメインにマージされ、次のリリースで出荷されます。

関連論文リスト

• FFTArray: A Python Library for the Implementation of Discretized Multi-Dimensional Fourier Transforms [0.0]
  FFTArrayは,フーリエ変換の一般的な離散化を自動化するPythonライブラリである。 Python Array API標準に基づいて構築されたFFTArrayは、NumPy、JAX、PyTorchといった配列バックエンドとシームレスに統合される。
  論文  参考訳（メタデータ） (2025-07-17T17:05:39Z)
• UncertaintyPlayground: A Fast and Simplified Python Library for Uncertainty Estimation [0.0]
  UncertaintyPlaygroundはPyTorchとGPyTorch上に構築されたPythonライブラリで、教師付き学習タスクの不確かさを推定する。 このライブラリは、ガウスおよびマルチモーダルな結果分布の高速なトレーニングを提供する。 1つ以上のインスタンスの予測間隔を視覚化することができる。
  論文  参考訳（メタデータ） (2023-10-23T18:36:54Z)
• Focal Sparse Convolutional Networks for 3D Object Detection [121.45950754511021]
  我々はスパースCNNの能力を高めるために2つの新しいモジュールを導入する。 焦点スパース・コンボリューション(Focals Conv)であり、焦点スパース・コンボリューションの多様変種である。 スパース・コンボリューションにおける空間的に学習可能な空間空間性は,高度な3次元物体検出に不可欠であることを示す。
  論文  参考訳（メタデータ） (2022-04-26T17:34:10Z)
• Mesh Convolution with Continuous Filters for 3D Surface Parsing [101.25796935464648]
  本稿では、3次元トライアングルメッシュから効果的な幾何学的特徴学習のための一連のモジュラー演算を提案する。 メッシュ畳み込みは球面調和を正規直交基底として利用し、連続畳み込みフィルタを生成する。 さらに,PicassoNet++という3次元表面の知覚解析のための新しい階層型ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-12-03T09:16:49Z)
• Tangent Space Backpropagation for 3D Transformation Groups [71.41252518419486]
  3Dトランスフォーメーショングループは3Dビジョンやロボット工学で広く利用されている。 ユークリッド空間に3D変換を埋め込む標準的なバックプロパゲーションアプローチは、数値的困難に苦しむ。 3D変換の群構造を利用する新しいライブラリを紹介します。
  論文  参考訳（メタデータ） (2021-03-22T17:33:30Z)
• DFTpy: An efficient and object-oriented platform for orbital-free DFT simulations [55.41644538483948]
  本稿では、Python 3で完全に書かれたOFDFTを実装したオープンソースソフトウェアであるDFTpyを紹介する。 本稿では,1CPUで計算したアルミニウムの100万原子系の電子構造について紹介する。 DFTpyはMITライセンスでリリースされている。
  論文  参考訳（メタデータ） (2020-02-07T19:07:41Z)

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。