論文の概要: A novel network for classification of cuneiform tablet metadata

• arxiv url: http://arxiv.org/abs/2603.03892v1
• Date: Wed, 04 Mar 2026 09:45:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.258759
• Title: A novel network for classification of cuneiform tablet metadata
• Title（参考訳）: クチュニフォームタブレットメタデータの分類のための新しいネットワーク
• Authors: Frederik Hagelskjær,
• Abstract要約: 本稿では, クチュニフォームタブレットのメタデータを分類するネットワーク構造を提案する。 既存のコーパスのサイズが分析に使える専門家の数を超えているため、この問題は現実的に重要である。 我々は、近隣の情報を統合しながら、ポイントクラウドを徐々にダウンスケールする畳み込みにインスパイアされたアーキテクチャを開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a network structure for classifying metadata of cuneiform tablets. The problem is of practical importance, as the size of the existing corpus far exceeds the number of experts available to analyze it. But the task is made difficult by the combination of limited annotated datasets and the high-resolution point-cloud representation of each tablet. To address this, we develop a convolution-inspired architecture that gradually down-scales the point cloud while integrating local neighbor information. The final down-scaled point cloud is then processed by computing neighbors in the feature space to include global information. Our method is compared with the state-of-the-art transformer-based network Point-BERT, and consistently obtains the best performance. Source code and datasets will be released at publication.
• Abstract（参考訳）: 本稿では,キュニフォームタブレットのメタデータを分類するネットワーク構造を提案する。 既存のコーパスのサイズが分析に使える専門家の数を超えているため、この問題は現実的に重要である。 しかし、このタスクは、限られた注釈付きデータセットと、各タブレットの高解像度のポイントクラウド表現を組み合わせることで難しい。 これを解決するために,局所的な情報を統合しながら徐々に点雲を縮小する畳み込み型アーキテクチャを開発した。 そして、最後のダウンスケールのポイントクラウドは、グローバル情報を含む機能領域の隣人のコンピューティングによって処理される。 提案手法は最先端の変圧器ベースネットワークであるPoint-BERTと比較し,その性能を常に向上させる。 ソースコードとデータセットは公開時に公開される。

関連論文リスト

• Have We Scene It All? Scene Graph-Aware Deep Point Cloud Compression [18.40946383877556]
  セマンティックシーングラフに基づくディープ圧縮フレームワークを提案する。 このフレームワークは最先端の圧縮速度を実現し,データサイズを最大98%削減することを示す。 マルチロボットのポーズグラフ最適化やマップマージといった下流アプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-10-09T17:45:09Z)
• Fully-Geometric Cross-Attention for Point Cloud Registration [51.865371511201765]
  ポイントクラウド登録のアプローチは、ノイズのあるポイント対応のため、ポイントクラウド間の重なりが低いときに失敗することが多い。 この問題に対処するTransformerベースのアーキテクチャに適した,新たなクロスアテンション機構を導入する。 我々はGromov-Wasserstein距離をクロスアテンションの定式化に統合し、異なる点雲間の点間距離を共同計算する。 点レベルでは,局所的な幾何学的構造情報を細かなマッチングのための点特徴に集約する自己認識機構も考案する。
  論文  参考訳（メタデータ） (2025-02-12T10:44:36Z)
• HiPoNet: A Multi-View Simplicial Complex Network for High Dimensional Point-Cloud and Single-Cell Data [13.847283649760282]
  HiPoNetは、高次元の点雲上での回帰、分類、表現学習のためのエンドツーエンドの微分可能なニューラルネットワークである。 HiPoNetは単一セルデータ上で他のポイントクラウドやグラフベースのモデルよりも優れていることを示す。 また、空間座標をビューの1つとして用いた空間転写学データセットにHiPoNetを適用した。
  論文  参考訳（メタデータ） (2025-02-11T18:13:29Z)
• PVContext: Hybrid Context Model for Point Cloud Compression [61.24130634750288]
  我々は,効率的なオクツリーベースのポイントクラウド圧縮のためのハイブリッドコンテキストモデルPVContextを提案する。 PVContextは、ボクセルを用いて局所幾何学情報を正確に表現するVoxel Contextと、ポイントクラウドからグローバルな形状情報を効率的に保存するPoint Contextの2つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2024-09-19T12:47:35Z)
• Collect-and-Distribute Transformer for 3D Point Cloud Analysis [82.03517861433849]
  本稿では,点雲の短距離・長距離コンテキストを通信するための収集・分散機構を備えた新しい変圧器ネットワークを提案する。 その結果,提案したCDFormerの有効性が示され,ポイントクラウドの分類とセグメンテーションタスクにおける最先端のパフォーマンスがいくつか提供された。
  論文  参考訳（メタデータ） (2023-06-02T03:48:45Z)
• AdaPoinTr: Diverse Point Cloud Completion with Adaptive Geometry-Aware Transformers [94.11915008006483]
  本稿では,ポイントクラウドの完了をセット・ツー・セットの翻訳問題として再定義する手法を提案する。 我々は、ポイントクラウド補完のためにTransformerエンコーダデコーダアーキテクチャを採用したPoinTrと呼ばれる新しいモデルを設計する。 本手法は,PCNで6.53 CD,ShapeNet-55で0.81 CD,現実世界のKITTIで0.392 MMDを実現する。
  論文  参考訳（メタデータ） (2023-01-11T16:14:12Z)
• SeedFormer: Patch Seeds based Point Cloud Completion with Upsample Transformer [46.800630776714016]
  本稿では,ポイントクラウド完了時の細部保存と回復の能力を向上させるための新しいSeedFormerを提案する。 我々は、部分的な入力から一般的な構造をキャプチャするだけでなく、局所的なパターンの地域情報も保存する新しい形状表現、すなわち、パッチシードを導入する。 提案手法は,複数のベンチマークデータセット上で,最先端のコンプリートネットワークの性能を向上する。
  論文  参考訳（メタデータ） (2022-07-21T06:15:59Z)
• Point Cloud Compression with Sibling Context and Surface Priors [47.96018990521301]
  大規模クラウド圧縮のための新しいオクツリーベースのマルチレベルフレームワークを提案する。 本稿では,オクツリーの階層的依存性を探索する新しいエントロピーモデルを提案する。 表面をボクセルベースの幾何認識モジュールで局所的に整合させ,エントロピー符号化における幾何学的先行情報を提供する。
  論文  参考訳（メタデータ） (2022-05-02T09:13:26Z)
• Deep learning classification of large-scale point clouds: A case study on cuneiform tablets [0.0]
  本稿では,大規模点雲の分類のための新しいネットワークアーキテクチャを提案する。 このネットワークは、キュニフォームタブレットからメタデータを分類するために使用される。
  論文  参考訳（メタデータ） (2022-02-22T12:24:47Z)
• Voxel-based Network for Shape Completion by Leveraging Edge Generation [76.23436070605348]
  エッジ生成(VE-PCN)を利用した点雲補完のためのボクセルネットワークを開発した。 まず点雲を正規のボクセル格子に埋め込み、幻覚した形状のエッジの助けを借りて完全な物体を生成する。 この分離されたアーキテクチャとマルチスケールのグリッド機能学習は、より現実的な表面上の詳細を生成することができる。
  論文  参考訳（メタデータ） (2021-08-23T05:10:29Z)
• PoinTr: Diverse Point Cloud Completion with Geometry-Aware Transformers [81.71904691925428]
  本稿では,ポイントクラウドの完了をセット・ツー・セットの翻訳問題として再定義する手法を提案する。 我々はまた、ポイントクラウド補完のためにトランスフォーマーエンコーダデコーダアーキテクチャを採用するPoinTrと呼ばれる新しいモデルも設計している。 提案手法は,新しいベンチマークと既存ベンチマークの両方において,最先端の手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T17:58:56Z)
• Cascaded Refinement Network for Point Cloud Completion [74.80746431691938]
  本稿では,細かな物体形状を合成するための粗大な戦略とともに,カスケード型精細化ネットワークを提案する。 部分入力の局所的な詳細と大域的な形状情報を合わせて考えると、既存の詳細を不完全点集合に保存することができる。 また、各局所領域が同じパターンと基底的真理を持つことを保証し、複雑な点分布を学習するパッチ判別器を設計する。
  論文  参考訳（メタデータ） (2020-04-07T13:03:29Z)

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。