論文の概要: Auditing Training-Free 3D Shape Retrieval with Diffused Geodesic Moments

• arxiv url: http://arxiv.org/abs/2605.29004v1
• Date: Wed, 27 May 2026 19:00:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.328427
• Title: Auditing Training-Free 3D Shape Retrieval with Diffused Geodesic Moments
• Title（参考訳）: ジオデシックモーメントの拡散による3次元形状検索の学習
• Authors: Zhicheng Du, Changyue Liu, Wenji Xi, Zhaotian Xie, Zhuo Deng, Ziheng Zhang, Yang Liu, Lan Ma,
• Abstract要約: DGM(Diffused Geodesic Moments)は,疎熱応答を演算する種条件記述子である。 DGMは、実用的な非スペクトルベースラインとして、およびプロトコル効果を分離する手段として使用される。
• 参考スコア（独自算出の注目度）: 17.990911601858482
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reported retrieval scores for training-free shape descriptors conflate local signal design, normalization, aggregation, codebook fitting, and metric choices, making isolated component evaluation difficult. This paper reframes descriptor evaluation as a {\em protocol audit}. We introduce Diffused Geodesic Moments (DGM), a seed-conditioned descriptor that computes sparse implicit heat responses, converts them to distance-like fields, and summarizes each vertex by low-order moments across seeds and scales. DGM is used both as a practical non-spectral baseline and as an instrument for isolating protocol effects. On the registered FAUST benchmark split (FAUST-Reg) and the TOSCA shape collection, aggregation-matched experiments show that an independent Geometric Moment Shape Descriptor baseline built on Heat Kernel Signature features (GMSD-HKS) obtains the highest scores in this implementation ($0.621/0.820$ and $0.865/0.963$ mean average precision (mAP)/top-1), Wave Kernel Signature (WKS) remains a strong classical signal, and DGM is useful mainly when sparse solves, non-spectral deployment, or symmetry-informative seed frames are priorities. The broader finding is methodological: the input field and aggregation protocol can dominate the moment formula. The paper contributes a reproducible protocol-cascade analysis, a cross-shape alignment diagnostic for functional-map compatibility, and concrete recommendations for designing and reporting training-free shape descriptors.
• Abstract（参考訳）: トレーニング不要な形状記述子のための検索スコアは、局所信号設計、正規化、集約、コードブックフィッティング、およびメートル法の選択を詳述し、独立したコンポーネント評価を困難にしている。 本稿では,ディスクリプタ評価をプロトコル監査として再検討する。 DGM(Diffused Geodesic Moments, DGM)は, 希薄な熱応答を計算し, 距離のような場に変換し, 種子やスケールの低次モーメントで各頂点を要約する。 DGMは、実用的な非スペクトルベースラインとして、およびプロトコル効果を分離する手段として使用される。 FAUSTベンチマークスプリット(FAUST-Reg)とTOSCA形状収集(TOSCA)では、Heat Kernel Signature features(GMSD-HKS)上に構築された独立した幾何学的モーメント形状記述子ベースラインが、この実装において最高スコア(0.621/0.820$および$0.865/0.963$平均平均精度(mAP)/top-1)、Wave Kernel Signature(WKS)は強力な古典的な信号であり、DGMはスパース解決、非スペクトル展開、対称不変シードフレームが優先される場合に主に有用である。 より広範な発見は方法論的であり、入力フィールドとアグリゲーションプロトコルはモーメント公式を支配できる。 本論文は,再現可能なプロトコルカスケード解析,関数マップ互換性のためのクロスシェイプアライメント診断,およびトレーニング不要な形状記述子の設計と報告のための具体的な勧告を提供する。

関連論文リスト

• Generative Stochastic Optimal Transport: Guided Harmonic Path-Integral Diffusion [0.0]
  誘導最適輸送のための線形解決可能なフレームワークであるGH-PID(Guid Harmonic Path-Integral Diffusion)を導入する。 低次元誘導プロトコルは、解析構造を保持しながら軌道アンサンブルを形成する。 GH-PIDは、所定の端末分布を満たす幾何学的、信頼的トラジェクトリを生成する。
  論文  参考訳（メタデータ） (2025-12-05T05:18:15Z)
• Knowledge Graphs as Structured Memory for Embedding Spaces: From Training Clusters to Explainable Inference [3.2945446636945963]
  Graph Memory(GM)は、組み込みベースの推論を領域レベルのプロトタイプよりもコンパクトでリレーショナルなメモリで強化する構造化された非パラメトリックフレームワークである。 信頼性と関係構造を明示的にモデル化することにより、GMは非パラメトリック学習における局所的な証拠とグローバルな一貫性の間に原則化された橋渡しを提供する。
  論文  参考訳（メタデータ） (2025-11-18T23:02:59Z)
• Prototype-Driven Adaptation for Few-Shot Object Detection [9.557416198772673]
  Prototype-Driven Alignment (PDA)は、DeFRCN用の軽量なプラグインメトリックヘッドである。 PDAはサポートのみのプロトタイプを維持し、ミスマッチを減らすためにプロトタイプ条件のRoIアライメントを適用している。 FSOD と GFSOD のベンチマーク実験により、PDA はベースクラスと無視可能な計算オーバーヘッドに最小限の影響を伴って、新しいクラスのパフォーマンスを一貫して改善することが示された。
  論文  参考訳（メタデータ） (2025-10-29T09:32:42Z)
• Neural Descriptors: Self-Supervised Learning of Robust Local Surface Descriptors Using Polynomial Patches [11.450257794341052]
  本稿では3次元表面から幾何学的特徴を抽出するための自己教師付き学習手法を提案する。 提案手法は,合成データ生成と,サンプリング不変の特徴を学習するためのニューラルアーキテクチャを組み合わせる。
  論文  参考訳（メタデータ） (2025-03-05T21:15:14Z)
• KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
  KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。 オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
  論文  参考訳（メタデータ） (2024-03-15T08:44:56Z)
• Rethinking Few-shot 3D Point Cloud Semantic Segmentation [62.80639841429669]
  本稿では,FS-PCSによる3Dポイント・クラウドセマンティックセマンティックセグメンテーションについて再検討する。 我々は、最先端の2つの重要な問題、前景の漏洩とスパースポイントの分布に焦点をあてる。 これらの問題に対処するために、新しいベンチマークを構築するための標準化されたFS-PCS設定を導入する。
  論文  参考訳（メタデータ） (2024-03-01T15:14:47Z)
• DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution [136.7261709896713]
  本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。 提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。 また、現在の最先端よりも推論速度を25%以上向上させる。
  論文  参考訳（メタデータ） (2020-11-26T14:56:57Z)
• 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)

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。