論文の概要: Topology-Preserving Data Augmentation for Ring-Type Polygon Annotations

• arxiv url: http://arxiv.org/abs/2603.14764v2
• Date: Tue, 17 Mar 2026 04:01:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 13:19:43.947268
• Title: Topology-Preserving Data Augmentation for Ring-Type Polygon Annotations
• Title（参考訳）: リング型ポリゴンアノテーションのための位相保存データ拡張
• Abstract要約: 構造解析において、環型領域は外側と内側の境界を繋ぐ単一の環状ポリゴン鎖として符号化されることが多い。 本研究では,マスク空間におけるフロアプラン変換を行う秩序保存型ポリゴン拡張戦略を提案する。 実験により、このアプローチが接続性を確実に回復し、ほぼ完全なサイクル調整保存を実現することが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Geometric data augmentation is widely used in segmentation pipelines and typically assumes that polygon annotations represent simply connected regions. However, in structured domains such as architectural floorplan analysis, ring-type regions are often encoded as a single cyclic polygon chain connecting outer and inner boundaries. During augmentation, clipping operations may remove intermediate vertices and disrupt this cyclic connectivity, breaking the structural relationship between the boundaries. In this work, we introduce an order-preserving polygon augmentation strategy that performs transformations in mask space and then projects surviving vertices back into index-space to restore adjacency relations. This repair maintains the original traversal order of the polygon and preserves topological consistency with minimal computational overhead. Experiments demonstrate that the approach reliably restores connectivity, achieving near-perfect Cyclic Adjacency Preservation (CAP) across both single and compound augmentations.
• Abstract（参考訳）: 幾何学的データ拡張はセグメンテーションパイプラインで広く使われ、一般的にポリゴンアノテーションは単に連結領域を表すと仮定する。 しかし、建築フロアプラン解析のような構造領域では、リング型領域は外側と内側の境界を繋ぐ1つの環状ポリゴン鎖として符号化されることが多い。 増大中、クリップング操作は中間頂点を除去し、この周期接続を妨害し、境界間の構造的関係を破る可能性がある。 本研究では,マスク空間の変換を行う順序保存型多角形拡張戦略を導入し,残余頂点をインデックス空間に投影し,隣接関係を復元する。 この修復は、ポリゴンの本来のトラバース順序を維持し、最小の計算オーバーヘッドで位相的整合性を維持する。 実験により、このアプローチは接続性を確実に回復し、単体および複合の拡張の両方でほぼ完全なサイクル調整(CAP)を達成することが示されている。

関連論文リスト

• Topologically Consistent Agricultural Parcel Vectorization with Semantic-Guided Diffusion and Topology-Aware Polygonization [3.6139826652790865]
  農業用パーセルポリゴンは、精密農業、土地管理、作物モニタリングなどの地理空間的応用において基本的な役割を担っている。 本稿では、トポロジカルに一貫した農業用パーセルベクター化のための意味誘導型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-07T14:02:48Z)
• Learning to Tessellate: Point Cloud Generation via Recursive Spectral Partitioning [58.130498928480456]
  本稿では, トポロジ保存型テッセルレーションプロセスとして, 点雲生成を再構成する自己回帰フレームワークであるPointRSPを提案する。 PointRSPは、複雑な3Dトポロジーをまたいだ強力な一般化を証明し、世代品質と多様性の最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-03T16:11:43Z)
• \ extit{4DSurf}: High-Fidelity Dynamic Scene Surface Reconstruction [53.82595920033838]
  本稿では,ガウススプラッティング(GS)を用いた動的シーン表面再構成の問題に対処する。 汎用動的表面再構成のための新しい統一フレームワークである textit4DSurf' を提案する。 本手法は,シャンファー距離で49%,19%の最先端表面再構成法より優れる。
  論文  参考訳（メタデータ） (2026-03-30T06:09:37Z)
• GeoReFormer: Geometry-Aware Refinement for Lane Segment Detection and Topology Reasoning [0.7769712273444055]
  GeoReFormerは、幾何学とトポロジを意識した帰納バイアスをトランスフォーマーデコーダに直接埋め込むクエリベースのアーキテクチャである。 GeoReFormerは、OpenLane-V2ベンチマークで34.5%のmAPで最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2026-03-27T02:26:12Z)
• Flatten The Complex: Joint B-Rep Generation via Compositional $k$-Cell Particles [22.846357150067927]
  B-Reps(Bundary Representation)は、CAD(Computer Design)およびAided Modelingにおいて広く採用されている標準である。 従来の方法は、この階層を扱うために配列に依存しており、細胞間の幾何学的関係を完全に活用できない。
  論文  参考訳（メタデータ） (2026-01-25T08:00:28Z)
• GFLAN: Generative Functional Layouts [1.1458853556386797]
  GFLANは、フロアプラン合成を明示的な因子化によって、トポロジカルプランニングと幾何学的実現に再構成する生成フレームワークである。 提案手法は,2段階分解の原理を優先して,直接画素間あるいは壁面追跡生成から逸脱する。
  論文  参考訳（メタデータ） (2025-12-18T07:52:47Z)
• GraphShaper: Geometry-aware Alignment for Improving Transfer Learning in Text-Attributed Graphs [16.624063216788638]
  マルチジオメトリ・スペシャライゼーションによるグラフエンコーディングを強化した幾何認識フレームワークである textbfGraphShaper を紹介する。 我々のアプローチでは、異なる幾何学的空間に合わせた専門家ネットワークを使用し、動的に融合重みを計算し、幾何学的特性を適応的に統合する。 引用ネットワークでは9.47%、ゼロショット設定では7.63%の精度向上を実現している。
  論文  参考訳（メタデータ） (2025-10-14T02:48:50Z)
• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• PolygonGNN: Representation Learning for Polygonal Geometries with Heterogeneous Visibility Graph [8.971120205703887]
  本稿では,多角形空間,特に多角形空間の表現を学習するためのフレームワークを提案する。 また、可視性グラフに固有の空間的・意味的不均一性を活かした新しいモデルであるMultipolygon-GNNを導入する。 5つの実世界および合成データセットの実験は、多角形測地に対する情報表現を捉えるマルチポリゴン-GNNの能力を実証している。
  論文  参考訳（メタデータ） (2024-06-30T16:07:49Z)
• P2PFormer: A Primitive-to-polygon Method for Regular Building Contour Extraction from Remote Sensing Images [5.589842901102337]
  既存の方法は不規則な輪郭、丸い角、冗長点に悩まされている。 本稿では,ポストプロセッシングを使わずに通常の建物輪郭を生成する,新しい合理化パイプラインを提案する。 P2PFormerは、WHU、CrowdAI、WHU-Mixデータセット上で、最先端のパフォーマンスを新たに実現している。
  論文  参考訳（メタデータ） (2024-06-05T04:38:45Z)
• Exploring Data Geometry for Continual Learning [64.4358878435983]
  非定常データストリームのデータ幾何を探索することにより,新しい視点から連続学習を研究する。 提案手法は,新しいデータによって引き起こされる幾何構造に対応するために,基底空間の幾何学を動的に拡張する。 実験により,本手法はユークリッド空間で設計したベースライン法よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-04-08T06:35:25Z)
• Recurrent Generic Contour-based Instance Segmentation with Progressive Learning [111.31166268300817]
  本稿では,一般的な輪郭型インスタンスセグメンテーションのための新しいディープネットワークアーキテクチャ,すなわちPolySnakeを提案する。 従来のSnakeアルゴリズムに動機付け,提案したPolySnakeはより優れた,堅牢なセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T05:34:29Z)
• Rethinking Learnable Tree Filter for Generic Feature Transform [71.77463476808585]
  Learnable Tree Filterはセマンティックセグメンテーションのためのモデル構造保存関係に対する顕著なアプローチを示す。 幾何学的制約を緩和するために,マルコフ確率場として再構成して解析を行い,学習可能な不定項を導入する。 セマンティックセグメンテーションでは、ベルとホイッスルなしでCityscapesベンチマークでトップパフォーマンス(82.1% mIoU)を達成しています。
  論文  参考訳（メタデータ） (2020-12-07T07:16:47Z)

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。