論文の概要: Non-Rigid 3D Shape Correspondences: From Foundations to Open Challenges and Opportunities

• arxiv url: http://arxiv.org/abs/2604.01274v1
• Date: Wed, 01 Apr 2026 18:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.663191
• Title: Non-Rigid 3D Shape Correspondences: From Foundations to Open Challenges and Opportunities
• Title（参考訳）: 非リジッド3次元形状対応:基礎からオープンチャレンジ・機会へ
• Authors: Aleksei Zhuravlev, Lennart Bastian, Dongliang Cao, Nafie El Amrani, Paul Roetzer, Viktoria Ehm, Riccardo Marin, Hiroki Nishizawa, Shigeo Morishima, Christian Theobalt, Nassir Navab, Daniel Cremers, Florian Bernard, Zorah Lähner, Vladislav Golyanik,
• Abstract要約: 変形した形状のインスタンス間の対応を推定することは、コンピュータグラフィックスにおける長年の問題である。 この最先端のレポートは、最近のトレンドとこの分野の進歩を理解しようとする研究者、実践者、学生を対象としている。
• 参考スコア（独自算出の注目度）: 136.30197763886332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating correspondences between deformed shape instances is a long-standing problem in computer graphics; numerous applications, from texture transfer to statistical modelling, rely on recovering an accurate correspondence map. Many methods have thus been proposed to tackle this challenging problem from varying perspectives, depending on the downstream application. This state-of-the-art report is geared towards researchers, practitioners, and students seeking to understand recent trends and advances in the field. We categorise developments into three paradigms: spectral methods based on functional maps, combinatorial formulations that impose discrete constraints, and deformation-based methods that directly recover a global alignment. Each school of thought offers different advantages and disadvantages, which we discuss throughout the report. Meanwhile, we highlight the latest developments in each area and suggest new potential research directions. Finally, we provide an overview of emerging challenges and opportunities in this growing field, including the recent use of vision foundation models for zero-shot correspondence and the particularly challenging task of matching partial shapes.
• Abstract（参考訳）: 変形した形状のインスタンス間の対応を推定することは、コンピュータグラフィックスにおける長年の問題であり、テクスチャ転送から統計モデリングまで、多くの応用が正確な対応マップの復元に依存している。 したがって、ダウンストリームアプリケーションに依存する様々な観点から、この問題に対処する多くの方法が提案されている。 この最先端のレポートは、最近のトレンドとこの分野の進歩を理解しようとする研究者、実践者、学生を対象としている。 我々は,関数写像に基づくスペクトル法,離散的な制約を課す組合せ的定式化,グローバルアライメントを直接回復する変形に基づく手法の3つのパラダイムに分類する。 各学派は、報告書全体を通して議論する様々な利点と欠点を提供している。 一方、各分野の最新の展開を強調し、新たな研究方向性を提案する。 最後に、ゼロショット対応のためのビジョン基盤モデルの使用や、部分的な形状の整合性に関する特に困難な課題など、この成長分野における課題と機会の概要について述べる。

関連論文リスト

• A Survey of Low-shot Vision-Language Model Adaptation via Representer Theorem [38.84662767814454]
  限られた訓練データの条件下で対処する主な課題は、パラメータ効率のよい方法で事前訓練された視覚言語モデルを微調整する方法である。 本稿では,既存の手法を統合化し,それらの性質を同定し,詳細な比較を支援するための統一的な計算フレームワークを提案する。 実演として、カーネルヒルベルト空間(RKHS)における表現子間のクラス間相関をモデル化し、既存の手法を拡張した。
  論文  参考訳（メタデータ） (2024-10-15T15:22:30Z)
• Towards Graph Prompt Learning: A Survey and Beyond [38.55555996765227]
  大規模"事前訓練と迅速な学習"パラダイムは、顕著な適応性を示している。 この調査は、この分野における100以上の関連する研究を分類し、一般的な設計原則と最新の応用を要約する。
  論文  参考訳（メタデータ） (2024-08-26T06:36:42Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• Causal Reasoning Meets Visual Representation Learning: A Prospective Study [117.08431221482638]
  解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。 人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。 本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
  論文  参考訳（メタデータ） (2022-04-26T02:22:28Z)

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。