論文の概要: RINO: Rotation-Invariant Non-Rigid Correspondences

• arxiv url: http://arxiv.org/abs/2603.27773v1
• Date: Sun, 29 Mar 2026 17:11:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.111098
• Title: RINO: Rotation-Invariant Non-Rigid Correspondences
• Title（参考訳）: RINO:ローテーション不変な非リギッド対応
• Authors: Maolin Gao, Shao Jie Hu-Chen, Congyue Deng, Riccardo Marin, Leonidas Guibas, Daniel Cremers,
• Abstract要約: RINOは、教師なし、回転不変な高密度通信フレームワークである。 RINOは剛体および非剛体形状マッチングを統一する。 実験では、RINOの非厳密なマッチングタスクに対する前例のない性能を示す。
• 参考スコア（独自算出の注目度）: 50.628820523204304
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Dense 3D shape correspondence remains a central challenge in computer vision and graphics as many deep learning approaches still rely on intermediate geometric features or handcrafted descriptors, limiting their effectiveness under non-isometric deformations, partial data, and non-manifold inputs. To overcome these issues, we introduce RINO, an unsupervised, rotation-invariant dense correspondence framework that effectively unifies rigid and non-rigid shape matching. The core of our method is the novel RINONet, a feature extractor that integrates vector-based SO(3)-invariant learning with orientation-aware complex functional maps to extract robust features directly from raw geometry. This allows for a fully end-to-end, data-driven approach that bypasses the need for shape pre-alignment or handcrafted features. Extensive experiments show unprecedented performance of RINO across challenging non-rigid matching tasks, including arbitrary poses, non-isometry, partiality, non-manifoldness, and noise.
• Abstract（参考訳）: 複雑な3D形状対応はコンピュータビジョンやグラフィックスにおいて依然として中心的な課題であり、多くのディープラーニングアプローチはいまだ中間幾何学的特徴や手作り記述子に依存しており、非等方的変形、部分データ、および非マニフォールド入力による有効性を制限している。 これらの問題を克服するために、厳密な形状と非剛的な形状のマッチングを効果的に統一する、教師なし、回転不変な高密度対応フレームワークであるRINOを導入する。 提案手法の核となるのは,ベクトルベースSO(3)不変学習と向き対応の複雑な関数写像を統合した特徴抽出器であるRINONetで,生の幾何学から頑健な特徴を直接抽出する。 これにより、整形前のアライメントや手作り機能の必要性を回避できる、エンドツーエンドの完全なデータ駆動アプローチが可能になる。 大規模な実験では、任意のポーズ、非等尺性、部分性、非マニフォールド性、ノイズなど、厳密でないタスクにまたがる前例のないパフォーマンスを示す。

関連論文リスト

• NFR: Neural Feature-Guided Non-Rigid Shape Registration [1.5677990844097902]
  私たちの重要な洞察は、ディープラーニングベースの形状マッチングネットワークから学んだニューラルネットワーク機能を、反復的で幾何学的な形状登録パイプラインに組み込むことです。 我々のパイプラインは、厳密でない点クラウドマッチングと部分的な形状マッチングのベンチマークで、最先端の結果を達成する。
  論文  参考訳（メタデータ） (2025-05-28T15:08:49Z)
• Learning SO(3)-Invariant Semantic Correspondence via Local Shape Transform [62.27337227010514]
  RISTと呼ばれる局所形状変換を用いた自己教師型回転不変3次元対応学習システムを提案する。 RISTは、挑戦的なクラス内変分と任意の向きの下でも、形状間の密接な対応を確立することを学ぶ。 RISTは、任意の回転点雲対に与えられる3D部分ラベル転送とセマンティックキーポイント転送の最先端性能を示す。
  論文  参考訳（メタデータ） (2024-04-17T08:09:25Z)
• Non-Rigid Shape Registration via Deep Functional Maps Prior [1.9249120068573227]
  本研究では,非剛体形状登録のための学習ベースフレームワークを提案する。 我々は、高次元埋め込みによって誘導される対応によって誘導されるターゲットポイントクラウドに向かって、ソースメッシュを変形する。 我々のパイプラインは、厳密でないクラウドマッチングのいくつかのベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-11-08T06:52:57Z)
• Leveraging Equivariant Features for Absolute Pose Regression [9.30597356471664]
  変換と回転の同変である畳み込みニューラルネットワークは,カメラの動きの表現を直接特徴空間に誘導することを示す。 次に、この幾何学的性質により、画像平面保存変換の全グループの下でトレーニングデータを暗黙的に増大させることができることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:44:20Z)
• 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)
• Adjoint Rigid Transform Network: Task-conditioned Alignment of 3D Shapes [86.2129580231191]
  Adjoint Rigid Transform (ART) Networkは、さまざまな3Dネットワークと統合可能なニューラルネットワークモジュールである。 ARTは入力の形状を学習した標準方向に回転させることを学び、多くのタスクに欠かせない。 さらなる研究のために、コードと事前訓練されたモデルをリリースします。
  論文  参考訳（メタデータ） (2021-02-01T20:58:45Z)
• A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
  ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。 また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。 本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
  論文  参考訳（メタデータ） (2020-03-16T14:04:45Z)

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。