論文の概要: DeepShapeMatchingKit: Accelerated Functional Map Solver and Shape Matching Pipelines Revisited
- arxiv url: http://arxiv.org/abs/2604.10377v1
- Date: Sat, 11 Apr 2026 23:15:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:15.982922
- Title: DeepShapeMatchingKit: Accelerated Functional Map Solver and Shape Matching Pipelines Revisited
- Title（参考訳）: DeepShapeMatchingKit: 関数型マップソルバーと形状マッチングパイプラインの再検討
- Authors: Yizheng Xie, Lennart Bastian, Congyue Deng, Thomas W. Mitchel, Maolin Gao, Daniel Cremers,
- Abstract要約: 標準関数写像実装は、高スペクトル分解能の計算ボトルネックである k 個の独立線型系を直列に解く。
本稿では,最大33倍の高速化を達成し,すべてのシステムを単一カーネルコールで解くベクトル化再構成を提案する。
我々は、これらの改善を取り入れたオープンソースのDeepShapeMatchingKitを紹介し、共通の深部形状マッチング方法のためのトレーニング、評価、データパイプラインを標準化する。
- 参考スコア（独自算出の注目度）: 48.627686484608525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep functional maps, leveraging learned feature extractors and spectral correspondence solvers, are fundamental to non-rigid 3D shape matching. Based on an analysis of open-source implementations, we find that standard functional map implementations solve k independent linear systems serially, which is a computational bottleneck at higher spectral resolution. We thus propose a vectorized reformulation that solves all systems in a single kernel call, achieving up to a 33x speedup while preserving the exact solution. Furthermore, we identify and document a previously unnoticed implementation divergence in the spatial gradient features of the mainstay DiffusionNet: two variants that parameterize distinct families of tangent-plane transformations, and present experiments analyzing their respective behaviors across diverse benchmarks. We additionally revisit overlap prediction evaluation for partial-to-partial matching and show that balanced accuracy provides a useful complementary metric under varying overlap ratios. To share these advancements with the wider community, we present an open-source codebase, DeepShapeMatchingKit, that incorporates these improvements and standardizes training, evaluation, and data pipelines for common deep shape matching methods. The codebase is available at: https://github.com/xieyizheng/DeepShapeMatchingKit
- Abstract（参考訳）: 深部関数写像は学習された特徴抽出器とスペクトル対応解法を利用しており、非剛性な3次元形状マッチングの基礎となっている。
オープンソース実装の分析から,標準関数写像実装は,高スペクトル分解における計算ボトルネックである k 独立線形系を逐次的に解決することがわかった。
そこで我々は,単一のカーネルコールで全システムを解決するベクトル化された再構成を提案し,その正確な解を保ちながら最大33倍の高速化を実現した。
さらに,本研究では,主スタディフフュージョンネットの空間勾配特性について,従来は知られていなかった実装の相違点を同定し,文書化する。
さらに,部分対部分マッチングの重なり予測評価を再検討し,重なり比の異なる相補的指標として平衡精度が有用であることを示す。
これらの進歩を広くコミュニティと共有するために、オープンソースのコードベースであるDeepShapeMatchingKitを紹介します。
コードベースは以下の通りである。 https://github.com/xieyizheng/DeepShapeMatchingKit
関連論文リスト
- A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。
本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。
我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
論文 参考訳（メタデータ） (2024-07-02T14:12:21Z) - Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。
IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。
提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
論文 参考訳（メタデータ） (2022-06-17T09:40:14Z) - DFC: Deep Feature Consistency for Robust Point Cloud Registration [0.4724825031148411]
複雑なアライメントシーンのための学習に基づくアライメントネットワークを提案する。
我々は,3DMatchデータセットとKITTIオドメトリデータセットに対するアプローチを検証する。
論文 参考訳（メタデータ） (2021-11-15T08:27:21Z) - Graph Sampling Based Deep Metric Learning for Generalizable Person
Re-Identification [114.56752624945142]
我々は、最も一般的なランダムサンプリング手法である有名なpkサンプリングは、深層メトリック学習にとって有益で効率的ではないと主張する。
大規模計量学習のためのグラフサンプリング(GS)と呼ばれる効率的なミニバッチサンプリング手法を提案する。
論文 参考訳（メタデータ） (2021-04-04T06:44:15Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-28T22:24:07Z) - Correspondence Learning via Linearly-invariant Embedding [40.07515336866026]
データからベースを学習することで、堅牢性が向上し、挑戦的な設定において精度が向上することを示す。
提案手法は,非剛性な3Dポイントクラウド対応アプリケーションに挑戦する上で,最先端の成果を達成できることを実証する。
論文 参考訳（メタデータ） (2020-10-25T15:31:53Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z) - Deep Geometric Functional Maps: Robust Feature Learning for Shape
Correspondence [31.840880075039944]
非剛体3次元形状間の対応性を計算するための新しい学習手法を提案する。
提案手法の鍵となるのは, 生形状から直接学習する特徴抽出ネットワークである。
論文 参考訳（メタデータ） (2020-03-31T15:20:17Z)
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。