論文の概要: SIMPC: Learning Self-Induced Mirror-Point Consistency for Unsupervised Point Cloud Denoising
- arxiv url: http://arxiv.org/abs/2605.26894v1
- Date: Tue, 26 May 2026 11:56:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.987855
- Title: SIMPC: Learning Self-Induced Mirror-Point Consistency for Unsupervised Point Cloud Denoising
- Title（参考訳）: SIMPC: 教師なしのポイントクラウドデノベーションのための自己誘発ミラーポイント一貫性の学習
- Authors: Chengwei Zhang, Xueyi Zhang, Tao Jiang, Xinhao Xu, Wenjie Li, Fubo Zhang, Longyong Chen,
- Abstract要約: 本稿では,自己誘導ミラーポイント整合性(SIMPC)を提案し,点間の決定論的対応を学習する。
ノイズの多い点ごとに、SIMPCは基底表面の反対側のミラーポイントを生成し、デノナイジング過程の幾何学的先行によって導かれる。
SIMPCは最先端の教師なし手法を著しく上回り、いくつかの強力な教師付き手法を上回っている。
- 参考スコア（独自算出の注目度）: 13.291551328405511
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In point clouds, noise directly perturbs point coordinates that encode both spatial location and geometry, making one-to-one correspondence construction more challenging than in images. Existing methods impose statistical mappings across noisy variants via noise or optimal transport, but suffer from correspondence ambiguity. In this work, we propose Self-Induced Mirror-Point Consistency (SIMPC) to learn deterministic correspondences between points and the underlying surface in an unsupervised manner. For each noisy point, SIMPC generates a mirror-point on the opposite side of the underlying surface, guided by geometric priors during the denoising process. By encouraging consistency between the denoising targets of the original point and its mirror counterpart, SIMPC effectively localizes the position of underlying surface. Extensive experiments on synthetic and real-world datasets demonstrate that SIMPC significantly outperforms state-of-the-art unsupervised methods and surpasses several strong supervised counterparts.
- Abstract（参考訳）: 点雲において、ノイズは空間的位置と幾何学の両方を符号化する点座標を直接摂動し、1対1の対応構造を画像よりも困難にする。
既存の手法ではノイズや最適な輸送を通じてノイズのある変種を統計的にマッピングするが、対応の曖昧さに悩まされる。
本研究では, 自己誘導鏡面整合性(SIMPC)を提案し, 点と下地表面との決定論的対応を教師なしで学習する。
ノイズの多い点ごとに、SIMPCは基底表面の反対側のミラーポイントを生成し、デノナイジング過程の幾何学的先行によって導かれる。
元の点とミラーの目標との整合性を促進することにより、SIMPCは基盤表面の位置を効果的に局所化する。
人工的および実世界のデータセットに関する大規模な実験は、SIMPCが最先端の教師なし手法を著しく上回り、いくつかの強力な教師付きデータセットを上回っていることを示している。
関連論文リスト
- Benchmarking Visual Feature Representations for LiDAR-Inertial-Visual Odometry Under Challenging Conditions [11.85572971097983]
本稿では,直接測光手法と記述子に基づく特徴マッチングを統合するハイブリッド手法を提案する。
実験の結果,提案手法は従来のスパース法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2026-03-19T07:56:49Z) - Bayesian Matrix Completion Under Geometric Constraints [3.5522446024799064]
スパース・ノイズ観測からユークリッド距離行列の完成は、信号処理における根本的な課題である。
ランク制約付き最適化や半定値プログラミングのような伝統的な手法は、幾何的制約を強制するが、しばしばスパースまたはノイズの多い条件下で苦労する。
本稿では,EDMを生成する潜在点集合に直接構造的事前を配置し,自然に幾何学的制約を埋め込む階層的ベイズフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-30T09:45:34Z) - Over-the-Air Semantic Alignment with Stacked Intelligent Metasurfaces [34.75476728721597]
重畳されたインテリジェントなメタサーフェス(SIM)をベースとした,空気上における最初のセマンティックアライメントフレームワークについて紹介する。
SIMは教師付きセマンティックイコライザとゼロショットのセマンティックイコライザの両方を再現することができ、高い信号対雑音比(SNR)を持つレジームで最大90%のタスク精度を達成することができる。
ヘテロジニアス・ビジョン・トランスフォーマー(ViT)エンコーダを用いた実験では、SIMは教師付きセマンティック・イコライザーとゼロショット・セマンティック・イコライザーの両方を正確に再現でき、高い信号対雑音比(SNR)を持つレジームにおいて最大90%のタスク精度を達成できる。
論文 参考訳（メタデータ） (2025-12-05T12:05:31Z) - SPORTS: Simultaneous Panoptic Odometry, Rendering, Tracking and Segmentation for Urban Scenes Understanding [0.0]
本稿では,全体像理解のための新しいフレームワーク SPORTS を提案する。
Video Panoptic (VPS)、Visual Odometry (VO)、Scene Renderingタスクを反復的で統一された視点に統合する。
我々の注意に基づく特徴融合は、計測、追跡、セグメンテーション、新しいビュータスクにおいて、既存の最先端の合成方法よりも優れています。
論文 参考訳（メタデータ） (2025-10-14T17:28:19Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。
HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。
計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
論文 参考訳（メタデータ） (2025-04-16T05:33:42Z) - Exploring Efficient Asymmetric Blind-Spots for Self-Supervised Denoising in Real-World Scenarios [44.31657750561106]
実世界のシナリオにおけるノイズはしばしば空間的に相関しており、多くの自己教師型アルゴリズムは性能が良くない。
盲点サイズを自由に調整できる非対称可変ブラインド・スポットネットワーク(AT-BSN)を提案する。
提案手法は最先端技術を実現し,計算オーバーヘッドや視覚効果の観点から,他の自己教師付きアルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-03-29T15:19:01Z) - Multitask AET with Orthogonal Tangent Regularity for Dark Object
Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。
自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。
我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2022-05-06T16:27:14Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳（メタデータ） (2021-03-22T18:06:58Z) - Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。
本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。
複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
論文 参考訳（メタデータ） (2020-03-31T22:38:09Z)
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。