論文の概要: Rotation-Robust Regression with Convolutional Model Trees

• arxiv url: http://arxiv.org/abs/2601.04899v1
• Date: Thu, 08 Jan 2026 12:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.207956
• Title: Rotation-Robust Regression with Convolutional Model Trees
• Title（参考訳）: 畳み込みモデル木を用いた回転ロバスト回帰
• Authors: Hongyi Li, William Ward Armstrong, Jun Xu,
• Abstract要約: 畳み込みモデル木(CMT)を用いた画像入力のための回転ロバスト学習に関する研究 分割方向に対する幾何学的帰納バイアスを3つ導入し、平面内回転下でのロバスト性への影響を定量化する。 我々は1-vs-restレグレッションとして実装されたMNIST桁認識における一貫した傾向を観察する。
• 参考スコア（独自算出の注目度）: 11.143798306106362
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study rotation-robust learning for image inputs using Convolutional Model Trees (CMTs) [1], whose split and leaf coefficients can be structured on the image grid and transformed geometrically at deployment time. In a controlled MNIST setting with a rotation-invariant regression target, we introduce three geometry-aware inductive biases for split directions -- convolutional smoothing, a tilt dominance constraint, and importance-based pruning -- and quantify their impact on robustness under in-plane rotations. We further evaluate a deployment-time orientation search that selects a discrete rotation maximizing a forest-level confidence proxy without updating model parameters. Orientation search improves robustness under severe rotations but can be harmful near the canonical orientation when confidence is misaligned with correctness. Finally, we observe consistent trends on MNIST digit recognition implemented as one-vs-rest regression, highlighting both the promise and limitations of confidence-based orientation selection for model-tree ensembles.
• Abstract（参考訳）: コンボリューショナル・モデル・ツリー(CMT)[1]を用いた画像入力の回転ロバスト学習について検討した。 回転不変回帰目標を持つ制御されたMNIST設定において、分割方向の幾何学的帰納バイアス(畳み込み平滑化、傾き支配制約、重要度に基づくプルーニング)を導入し、平面内回転下でのロバスト性への影響を定量化する。 さらに、モデルパラメータを更新することなく、森林レベルの信頼性プロキシを最大化する離散回転を選択できる配置時間方向探索について評価する。 方向探索は、厳密な回転の下で頑健性を改善するが、信頼度が正当性と不一致である場合、正準方向付近で有害となる可能性がある。 最後に, 1-vs-restレグレッションとして実装されたMNIST桁認識における一貫した傾向を観察し, モデルツリーアンサンブルにおける信頼度に基づく配向選択の約束と限界を強調した。

関連論文リスト

• Geometrically Constrained and Token-Based Probabilistic Spatial Transformers [5.437226012505534]
  我々は、トランスフォーマーベースのビジョンパイプラインの標準化ツールとして、空間トランスフォーマーネットワーク(STN)を再考する。 本稿では、堅牢性を向上させる確率的、コンポーネントワイドな拡張を提案する。 本手法が他のSTNと比較して頑健さを常に向上することを示す。
  論文  参考訳（メタデータ） (2025-09-14T11:30:53Z)
• 3-Dimensional CryoEM Pose Estimation and Shift Correction Pipeline [2.009945677846956]
  正確なポーズ推定とシフト補正は、非常に低いSNRが3次元再構成の忠実性に直接影響を及ぼすため、Cryo-EMの鍵となる課題である。 本稿では,多次元スケーリング(MDS)手法を頑健に活用したCryo-EMにおけるポーズ推定手法を提案し,各粒子の3次元回転行列を2面角対から推定する。
  論文  参考訳（メタデータ） (2025-07-20T11:46:17Z)
• PAID: Pairwise Angular-Invariant Decomposition for Continual Test-Time Adaptation [70.98107766265636]
  本稿では,事前学習した重みの幾何学的特性を出発点として,3つの重要な成分(等級,絶対角,対角構造)を体系的に解析する。 両角構造は多種多様なドメインにわたって安定であり, ドメイン不変な意味情報を符号化し, 適応中に保存すべきことを示唆する。
  論文  参考訳（メタデータ） (2025-06-03T05:18:15Z)
• Rotation-Invariant Transformer for Point Cloud Matching [42.5714375149213]
  我々は,回転不変変換器であるRoITrを導入し,点クラウドマッチングタスクにおけるポーズ変動に対処する。 本稿では,自己認識機構によって学習した,回転不変なクロスフレーム空間認識を備えたグローバルトランスフォーマーを提案する。 RoITrは、Inlier RatioとRegistration Recallの点で、既存のメソッドを少なくとも13と5のパーセンテージで上回っている。
  論文  参考訳（メタデータ） (2023-03-14T20:55:27Z)
• ART-Point: Improving Rotation Robustness of Point Cloud Classifiers via Adversarial Rotation [89.47574181669903]
  本研究では, 点雲分類器の回転ロバスト性も, 対角訓練により得られることを示す。 具体的には、ART-Pointというフレームワークは、ポイントクラウドの回転を攻撃と見なしている。 最終的なロバストモデルに効率よく到達するために,高速なワンステップ最適化を提案する。
  論文  参考訳（メタデータ） (2022-03-08T07:20:16Z)
• PR-RRN: Pairwise-Regularized Residual-Recursive Networks for Non-rigid Structure-from-Motion [58.75694870260649]
  PR-RRNは、非剛性構造移動のための新しいニューラルネットワークベースの手法である。 再建をさらに規則化するための2つの新しいペアワイズ正規化を提案する。 提案手法は,CMU MOCAPとPASCAL3D+データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T08:39:02Z)
• A Smooth Representation of Belief over SO(3) for Deep Rotation Learning with Uncertainty [33.627068152037815]
  本稿では、3次元回転群の新しい対称行列表現 SO(3) と、学習モデルに特に適する2つの重要な性質について述べる。 我々は,2つのデータモダリティに基づいて深部神経回転回帰器を訓練することにより,定式化の利点を実証的に検証した。 この機能は、新しい入力を検出することで、学習したモデルの破滅的な失敗を防ぐ安全クリティカルなアプリケーションにとって鍵となる。
  論文  参考訳（メタデータ） (2020-06-01T15:57:45Z)

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。