論文の概要: Learning Coordinate-based Convolutional Kernels for Continuous SE(3) Equivariant and Efficient Point Cloud Analysis

• arxiv url: http://arxiv.org/abs/2603.17538v1
• Date: Wed, 18 Mar 2026 09:45:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.616134
• Title: Learning Coordinate-based Convolutional Kernels for Continuous SE(3) Equivariant and Efficient Point Cloud Analysis
• Title（参考訳）: 連続SEのためのコーディネートに基づく畳み込みカーネルの学習(3)等価性と効率的な点雲解析
• Authors: Jaein Kim, Hee Bin Yoo, Dong-Sig Han, Byoung-Tak Zhang,
• Abstract要約: 剛体運動の対称性は、3次元点雲問題の効率的な学習における健全な要素の1つである。 群畳み込みは同変の特徴を抽出する代表的な方法である。 Equivariant Coordinate-based Kernel Convolution(ECKConv)を提案する。
• 参考スコア（独自算出の注目度）: 21.338938947004124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A symmetry on rigid motion is one of the salient factors in efficient learning of 3D point cloud problems. Group convolution has been a representative method to extract equivariant features, but its realizations have struggled to retain both rigorous symmetry and scalability simultaneously. We advocate utilizing the intertwiner framework to resolve this trade-off, but previous works on it, which did not achieve complete SE(3) symmetry or scalability to large-scale problems, necessitate a more advanced kernel architecture. We present Equivariant Coordinate-based Kernel Convolution, or ECKConv. It acquires SE(3) equivariance from the kernel domain defined in a double coset space, and its explicit kernel design using coordinate-based networks enhances its learning capability and memory efficiency. The experiments on diverse point cloud tasks, e.g., classification, pose registration, part segmentation, and large-scale semantic segmentation, validate the rigid equivariance, memory scalability, and outstanding performance of ECKConv compared to state-of-the-art equivariant methods.
• Abstract（参考訳）: 剛体運動の対称性は、3次元点雲問題の効率的な学習における健全な要素の1つである。 群畳み込みは同変の特徴を抽出する代表的な方法であるが、その実現は厳密な対称性とスケーラビリティの両方を同時に維持するのに苦労している。 我々は、このトレードオフを解決するためにインターツウィンダーフレームワークを利用することを提唱するが、それ以前の研究では、大規模な問題に対して完全なSE(3)対称性やスケーラビリティを達成できなかったため、より先進的なカーネルアーキテクチャを必要としていた。 Equivariant Coordinate-based Kernel Convolution(ECKConv)を提案する。 二重コセット空間で定義されたカーネルドメインからSE(3)同値を取得し、座標ベースのネットワークを用いた明示的なカーネル設計により、学習能力とメモリ効率が向上する。 多様なポイントクラウドタスク、例えば分類、ポーズ登録、部分分割、大規模セマンティックセグメンテーションに関する実験は、最先端の同変法と比較して、厳密な等価性、メモリスケーラビリティ、ECKConvの優れた性能を検証している。

関連論文リスト

• GeloVec: Higher Dimensional Geometric Smoothing for Coherent Visual Feature Extraction in Image Segmentation [0.0]
  GeloVecはセマンティックセグメンテーションのための新しいCNNベースの注意スムーシングフレームワークである。 視覚的コヒーレント領域間の頑健な多様体関係を確立するために、高次元幾何学的滑らか化法を実装している。 本フレームワークは,変換時の情報損失が欠如しているため,学習分野にまたがる強力な一般化能力を示す。
  論文  参考訳（メタデータ） (2025-05-02T07:07:00Z)
• Efficient Continuous Group Convolutions for Local SE(3) Equivariance in 3D Point Clouds [5.659343611352998]
  ポイントクラウド処理のための効率的で連続的で局所的なSE(3)同変畳み込み層を提案する。 提案手法は,オブジェクト分類やセマンティックセグメンテーションなど,さまざまなデータセットやタスクの競合や優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-02-11T12:15:56Z)
• Multi-body SE(3) Equivariance for Unsupervised Rigid Segmentation and Motion Estimation [49.56131393810713]
  本稿では、SE(3)同変アーキテクチャと、この課題に教師なしで取り組むためのトレーニング戦略を提案する。 本手法は,0.25Mパラメータと0.92G FLOPを用いて,モデル性能と計算効率を両立させる。
  論文  参考訳（メタデータ） (2023-06-08T22:55:32Z)
• Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
  トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。 また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。 提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
  論文  参考訳（メタデータ） (2023-01-15T16:19:18Z)
• E2PN: Efficient SE(3)-Equivariant Point Network [12.520265159777255]
  本稿では,3次元点雲からSE(3)-等価特徴を学習するための畳み込み構造を提案する。 カーネルポイント畳み込み(カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、KPConv、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション、カーネルポイントコンボリューション
  論文  参考訳（メタデータ） (2022-06-11T02:15:46Z)
• Equivariant Point Network for 3D Point Cloud Analysis [17.689949017410836]
  点雲解析のための実効的で実用的なSE(3)(3次元翻訳と回転)同変ネットワークを提案する。 まず,6次元の畳み込みを2つの分離可能な畳み込み作用素に分解する新しい枠組みであるSE(3)分離点畳み込みを提案する。 第2に,同変特徴の表現性を効果的に活用するアテンション層を導入する。
  論文  参考訳（メタデータ） (2021-03-25T21:57:10Z)
• DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution [136.7261709896713]
  本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。 提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。 また、現在の最先端よりも推論速度を25%以上向上させる。
  論文  参考訳（メタデータ） (2020-11-26T14:56:57Z)

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。