論文の概要: Symmetry Informative and Agnostic Feature Disentanglement for 3D Shapes

• arxiv url: http://arxiv.org/abs/2601.14804v1
• Date: Wed, 21 Jan 2026 09:30:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.316464
• Title: Symmetry Informative and Agnostic Feature Disentanglement for 3D Shapes
• Title（参考訳）: 三次元形状に対する対称性インフォーマティブ・アグノスティックな特徴の絡み合い
• Authors: Tobias Weißberg, Weikang Wang, Paul Roetzer, Nafie El Amrani, Florian Bernard,
• Abstract要約: 近年,イメージファウンデーションモデルの特徴を活用してセマンティクスを意識した記述子を作成することによって,新たな研究の方向を導いた研究がいくつかある。 近年の手法では、意味認識記述子から対称性非表現的特徴を抽出することに成功したが、その特徴は1次元に過ぎず、他の貴重な意味情報を無視している。 本稿では,対称性情報と対称性非依存を同時に行う特徴的非絡み合い手法を提案する。
• 参考スコア（独自算出の注目度）: 25.823417028017456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shape descriptors, i.e., per-vertex features of 3D meshes or point clouds, are fundamental to shape analysis. Historically, various handcrafted geometry-aware descriptors and feature refinement techniques have been proposed. Recently, several studies have initiated a new research direction by leveraging features from image foundation models to create semantics-aware descriptors, demonstrating advantages across tasks like shape matching, editing, and segmentation. Symmetry, another key concept in shape analysis, has also attracted increasing attention. Consequently, constructing symmetry-aware shape descriptors is a natural progression. Although the recent method $χ$ (Wang et al., 2025) successfully extracted symmetry-informative features from semantic-aware descriptors, its features are only one-dimensional, neglecting other valuable semantic information. Furthermore, the extracted symmetry-informative feature is usually noisy and yields small misclassified patches. To address these gaps, we propose a feature disentanglement approach which is simultaneously symmetry informative and symmetry agnostic. Further, we propose a feature refinement technique to improve the robustness of predicted symmetry informative features. Extensive experiments, including intrinsic symmetry detection, left/right classification, and shape matching, demonstrate the effectiveness of our proposed framework compared to various state-of-the-art methods, both qualitatively and quantitatively.
• Abstract（参考訳）: 形状記述子、すなわち3Dメッシュや点雲の頂点ごとの特徴は、形状解析の基礎となる。 歴史的に、様々な手作りの幾何認識記述子や特徴改善技術が提案されている。 近年,イメージファウンデーションモデルの特徴を活用してセマンティクスを意識した記述子を作成し,形状マッチング,編集,セグメンテーションといったタスクにまたがるメリットを実証することによって,新たな研究の方向を導いている。 形状解析におけるもう一つの重要な概念である対称性も注目されている。 したがって、対称性を意識した形状記述子の構築は自然な進歩である。 最近の$$(Wang et al , 2025)は意味認識記述子から対称性非表現的特徴を抽出することに成功しているが、その特徴は1次元に過ぎず、他の貴重な意味情報を無視している。 さらに、抽出された対称性不変性は通常ノイズが多く、小さな非分類パッチが得られる。 これらのギャップに対処するため,対称情報と対称非依存を同時に扱う特徴的非絡み合い手法を提案する。 さらに,予測対称性情報特徴のロバスト性を改善するための特徴改善手法を提案する。 固有対称性の検出,左右の分類,形状整合性などの実験により,定性的,定量的に,様々な最先端手法と比較して,提案手法の有効性が示された。

関連論文リスト

• Training-free zero-shot 3D symmetry detection with visual features back-projected to geometry [0.6445605125467574]
  DINOv2のような基礎視覚モデルから視覚的特徴を利用するゼロショット3次元対称性検出のための訓練不要アプローチを提案する。 我々の研究は、基礎視覚モデルが対称性検出のような複雑な3次元幾何学的問題を解くのにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2025-05-30T03:09:18Z)
• Robust Symmetry Detection via Riemannian Langevin Dynamics [39.342336146118015]
  本稿では, 従来の対称性検出技術と, 生成モデリングの最近の進歩を融合した新しい対称性検出手法を提案する。 具体的には、騒音に対するロバスト性を高めるために、対称性空間にランゲヴィン力学を適用する。 提案手法は雑音に対して頑健であるだけでなく,部分対称性と大域対称性の両方を識別できることを示す様々な形状に関する実験結果を提供する。
  論文  参考訳（メタデータ） (2024-09-18T02:28:20Z)
• Improving Semantic Correspondence with Viewpoint-Guided Spherical Maps [39.00415825387414]
  そこで本研究では, 識別的特徴を3次元的理解で補う意味対応推定手法を提案する。 より複雑な3Dパイプラインと比較して、我々のモデルは弱い視点情報しか必要とせず、球面表現の単純さにより、トレーニング中に情報的幾何学的先行情報をモデルに注入することができる。 本研究では,SPair-71kデータセットを用いて,複数のオブジェクトカテゴリにまたがる対称なビューと繰り返し部分の区別が可能であることを実証した。
  論文  参考訳（メタデータ） (2023-12-20T17:35:24Z)
• Partial Symmetry Detection for 3D Geometry using Contrastive Learning with Geodesic Point Cloud Patches [10.48309709793733]
  我々は,測地線点雲パッチの回転,反射,翻訳,スケール不変な局所形状の特徴を学習することを提案する。 この曖昧な問題に対して,本手法は複数の有効な解を抽出可能であることを示す。 検出された対称性を領域成長アルゴリズムと組み合わせて下流タスクを実証する。
  論文  参考訳（メタデータ） (2023-12-13T15:48:50Z)
• Keypoint Description by Symmetry Assessment -- Applications in Biometrics [49.547569925407814]
  有限展開によりキーポイント周辺の近傍を記述するモデルに基づく特徴抽出器を提案する。 そのような関数の等曲線は、原点(キーポイント)と推定されたパラメータがよく定義された幾何学的解釈を持つように、高度に対称な w.r.t である。
  論文  参考訳（メタデータ） (2023-11-03T00:49:25Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)
• SSN: Shape Signature Networks for Multi-class Object Detection from Point Clouds [96.51884187479585]
  点雲から形状情報を探索する新しい3次元形状シグネチャを提案する。 対称, 凸船体, チェビシェフフィッティングの操作を取り入れることで, 提案した形状のシグ・ナチュアはコンパクトで有効であるだけでなく, 騒音にも頑健である。 実験により,提案手法は2つの大規模データセット上の既存手法よりも著しく優れた性能を示した。
  論文  参考訳（メタデータ） (2020-04-06T16:01:41Z)

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。