論文の概要: Topology-Aware Skeleton Detection via Lighthouse-Guided Structured Inference

• arxiv url: http://arxiv.org/abs/2604.20123v1
• Date: Wed, 22 Apr 2026 02:43:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.926366
• Title: Topology-Aware Skeleton Detection via Lighthouse-Guided Structured Inference
• Title（参考訳）: 灯台誘導構造推論によるトポロジーを考慮した骨格検出
• Authors: Daoyong Fu, Xiang Zhang, Zhaohuan Zhan, Fan Yang, Ke Yang,
• Abstract要約: ポーズや動きのわずかなバリエーションでさえ、骨格構造に顕著な変化を引き起こす。 既存の方法は、主にポイントレベルのスケルトン点の検出に焦点を当てている。 灯台誘導構造推論を用いたトポロジ対応骨格検出法である灯台スケルを提案する。
• 参考スコア（独自算出の注目度）: 8.261311489857757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In natural images, object skeletons are used to represent geometric shapes. However, even slight variations in pose or movement can cause noticeable changes in skeleton structure, increasing the difficulty of detecting the skeleton and often resulting in discontinuous skeletons. Existing methods primarily focus on point-level skeleton point detection and overlook the importance of structural continuity in recovering complete skeletons. To address this issue, we propose Lighthouse-Skel, a topology-aware skeleton detection method via lighthouse-guided structured inference. Specifically, we introduce a dual-branch collaborative detection framework that jointly learns skeleton confidence field and structural anchors, including endpoints and junction points. The spatial distributions learned by the point branch guide the network to focus on topologically vulnerable regions, which improves the accuracy of skeleton detection. Based on the learned skeleton confidence field, we further propose a lighthouse-guided topology completion strategy, which uses detected junction points and breakpoints as lighthouses to reconnect discontinuous skeleton segments along low-cost paths, thereby improving skeleton continuity and structural integrity. Experimental results on four public datasets demonstrate that the proposed method achieves competitive detection accuracy while substantially improving skeleton connectivity and structural integrity.
• Abstract（参考訳）: 自然画像では、オブジェクトスケルトンは幾何学的形状を表すために使用される。 しかし、ポーズや動きのわずかな変化でさえ骨格構造に顕著な変化をもたらし、骨格を検出するのが困難になり、しばしば不連続な骨格が生じる。 既存の手法は主に点レベルスケルトン点の検出に重点を置いており、完全なスケルトンを回収する際の構造的連続性の重要性を見落としている。 この問題に対処するため,灯台誘導構造推論を用いたトポロジ対応骨格検出法であるLighthouse-Skelを提案する。 具体的には、両ブランチ協調検出フレームワークを導入し、エンドポイントや接合点を含む骨格の信頼度と構造的アンカーを共同で学習する。 点分岐によって学習された空間分布はネットワークを案内し、トポロジカルに脆弱な領域に焦点を合わせ、骨格検出の精度を向上させる。 さらに,学習された骨格信頼度に基づいて,検出された接合点とブレークポイントを灯台として使用し,不連続な骨格セグメントを低コストな経路で再接続し,骨格の連続性と構造的整合性を向上する灯台誘導トポロジ補完戦略を提案する。 4つの公開データセットに対する実験結果から,提案手法は骨格の接続性や構造的整合性を大幅に向上させながら,競合検出精度を向上することを示した。

関連論文リスト

• PALUM: Part-based Attention Learning for Unified Motion Retargeting [53.17113525688095]
  異なる骨格構造を持つキャラクター間の反発は、コンピュータアニメーションの基本的な課題である。 多様な骨格トポロジーにまたがる共通の動き表現を学習する新しいアプローチを提案する。 実験は、運動リアリズムと意味的忠実性を維持しながら、多様な骨格構造を扱う上で優れた性能を示す。
  論文  参考訳（メタデータ） (2026-01-12T07:29:44Z)
• GaitSTR: Gait Recognition with Sequential Two-stream Refinement [12.256802601846749]
  歩行認識は、歩行シーケンスに基づいて人物を特定することを目的としており、バイオメトリック・モダリティとして有用である。 人の歩行シーケンスを表す場合、シルエットと骨格は2つの主要なモダリティである。 シルエットとともに歩行認識のための骨格の2列表現について検討する。
  論文  参考訳（メタデータ） (2024-04-02T22:39:35Z)
• SkeletonGait: Gait Recognition Using Skeleton Maps [7.335859292188816]
  スケルトンマップ(SkeletonGait)と呼ばれる新しい骨格歩行表現を導入し、スケルトンマップから構造情報を利用するスケルトンマップ(SkeletonGait)を提案する。 骨格地図は、人間の関節の座標をガウス近似による熱マップとして表現し、正確な体の構造を持たないシルエットのようなイメージを示す。 SkeletonGait++は、さまざまなシナリオにおいて、既存の最先端メソッドよりも大きな差がある。
  論文  参考訳（メタデータ） (2023-11-22T15:09:59Z)
• Hierarchical Skeleton Meta-Prototype Contrastive Learning with Hard Skeleton Mining for Unsupervised Person Re-Identification [70.90142717649785]
  本稿では,HSM(Hard Skeleton Mining)を用いた階層型非教師付きメタプロトタイプコントラストラーニング(Hi-MPC)手法を提案する。 原原型を複数の同種変換を伴うメタプロトタイプに変換することにより,原型固有の一貫性を学習し,人体再IDのより効果的な骨格特徴を捉える。
  論文  参考訳（メタデータ） (2023-07-24T16:18:22Z)
• Point2Skeleton: Learning Skeletal Representations from Point Clouds [36.62519847312199]
  本稿では,ポイントクラウドから骨格表現を学習するための教師なし手法であるPoint2Skeletonを紹介する。 まず、幾何変換を学習して骨格点の集合を予測し、次に骨格点の接続性を分析して骨格メッシュ構造を形成する。
  論文  参考訳（メタデータ） (2020-12-01T03:04:09Z)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)

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。