論文の概要: Frequency-Scale Saliency for Spectral Descriptor Analysis in 3D Shape Retrieval

• arxiv url: http://arxiv.org/abs/2606.07791v1
• Date: Fri, 05 Jun 2026 19:09:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.394517
• Title: Frequency-Scale Saliency for Spectral Descriptor Analysis in 3D Shape Retrieval
• Title（参考訳）: 3次元形状検索におけるスペクトル記述子解析のための周波数スケールの精度
• Authors: Jianru Shen,
• Abstract要約: Heat Kernel Signature と Wave Kernel Signature は、非剛体3次元形状検索に広く利用されている。 本稿では,各ディスクリプタスケール間隔の検索レベル貢献度をアブレーションによって定量化することにより,これらのディスクリプタを監査する周波数スケール・サリエンシ・フレームワークを提案する。 HKS と WKS は異なるスケール依存パターンを示し,HKS と WKS は厳密なカテゴリの mAP を0.156 倍改善し,クロスフォールドおよびランダムウェイト制御により,任意の再重み付けによる利得が安定であることを確認する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classical spectral descriptors such as the Heat Kernel Signature and Wave Kernel Signature are widely used for non-rigid 3D shape retrieval, yet their failure modes remain poorly understood. We present a frequency-scale saliency framework that audits these descriptors by quantifying the retrieval-level contribution of each descriptor scale interval through ablation. We introduce class spectral fingerprints to characterize category-level scale dependence, and show that descriptor similarity between class pairs is substantially correlated with retrieval failure, with a Spearman correlation of 0.479. Experiments on SHREC'11 demonstrate that short scales dominate retrieval performance while long scales are harmful, that HKS and WKS exhibit distinct scale dependence patterns, and that saliency-weighted retrieval improves mAP on hard categories by 0.156, with cross-fold and random-weight controls confirming that the gain is stable and not due to arbitrary reweighting.
• Abstract（参考訳）: Heat Kernel SignatureやWave Kernel Signatureのような古典的なスペクトル記述子は、非剛性な3D形状の検索に広く使われているが、その故障モードはよく分かっていない。 本稿では,各ディスクリプタスケール間隔の検索レベル寄与をアブレーションによって定量化することにより,これらのディスクリプタを監査する周波数スケール・サリエンシ・フレームワークを提案する。 カテゴリーレベルのスケール依存を特徴付けるために,クラススペクトル指紋を導入し,クラスペア間の記述的類似性は検索障害と実質的に相関し,スピアマン相関は0.479であった。 SHREC'11実験では,長期化が有害であり,HKSとWKSは異なるスケール依存パターンを示し,サリエンシ重み付き検索はハードカテゴリでのmAPを0.156改善し,クロスフォールドおよびランダムウェイト制御により,利得が安定であり,任意の再重み付けによるものではないことを確認した。

関連論文リスト

• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Provably Learning Diffusion Models under the Manifold Hypothesis: Collapse and Refine [60.669081685261965]
  拡散モデルは、顕著な品質で高次元データを生成する。 彼らのトレーニングがいかに効率的にスコア関数を学習するかは理論的には説明がつかないままである。 我々はこの原理をScore-induced Latent Diffusion (SiLD)として定式化する。
  論文  参考訳（メタデータ） (2026-05-16T16:51:10Z)
• Relaxed Sparsest-Permutation Formulation for Causal Discovery at Scale [1.8160945635344523]
  構造回復には正確なコレスキー分解が不要であることを示す。 緩和された定式化のスケーラブルな実装を提供するスパース・コールスキーパイプラインであるSCOPEを紹介する。 合成データセットと実データセットの実験により、SCOPE は MEC の回復精度とかなり遅いベースラインとが一致していることが示された。
  論文  参考訳（メタデータ） (2026-05-07T01:20:29Z)
• RAxSS: Retrieval-Augmented Sparse Sampling for Explainable Variable-Length Medical Time Series Classification [38.39105016249814]
  検索インフォームド分類のためのスパースサンプリングフレームワークを一般化する。 我々は、チャネル内類似性による予測を集約し、確率空間、凸級数レベルスコア、説明可能性を示す明確なエビデンストレイルに集約する。 提案手法は,競争力のあるiEEG分類性能を実現し,透明性と説明可能性を高める。
  論文  参考訳（メタデータ） (2025-10-03T12:26:19Z)
• Explainability-Driven Dimensionality Reduction for Hyperspectral Imaging [1.237556184089774]
  ハイパースペクトルイメージング(HSI)は、正確な物質分類と分析のための豊富なスペクトル情報を提供する。 HSIの高次元性は計算負担と冗長性を導入し、次元性の低減が不可欠である。 本稿では,バンド選択のためのモデル駆動フレームワークにおけるポストホック説明可能性法の応用に関する探索的研究を行う。
  論文  参考訳（メタデータ） (2025-09-02T14:06:10Z)
• Robust Spectral Fuzzy Clustering of Multivariate Time Series with Applications to Electroencephalogram [6.62414474989199]
  スペクトル領域にファジィクラスタリングフレームワークを導入し、変数間の周波数特異なモノトニックな関係を抽出する。 本手法は、クラスタリング精度を向上させるために、周波数ベースのクロスリージョン接続パターンを優先的に活用する。 フラッグシップアプリケーションとして脳波記録を解析し,潜在認知状態の周波数・接続性特異的マーカーを明らかにする。
  論文  参考訳（メタデータ） (2025-06-28T12:02:01Z)
• Doubly Stochastic Models: Learning with Unbiased Label Noises and Inference Stability [85.1044381834036]
  勾配降下のミニバッチサンプリング設定におけるラベル雑音の暗黙的正則化効果について検討した。 そのような暗黙的正則化器は、パラメータの摂動に対してモデル出力を安定化できる収束点を好んでいる。 我々の研究は、SGDをオルンシュタイン-ウレンベック類似の過程とはみなせず、近似の収束によってより一般的な結果を得る。
  論文  参考訳（メタデータ） (2023-04-01T14:09:07Z)
• Deconfounded Score Method: Scoring DAGs with Dense Unobserved Confounding [101.35070661471124]
  本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。 汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-28T11:07:59Z)
• 3D Quasi-Recurrent Neural Network for Hyperspectral Image Denoising [25.641742612227148]
  HS画像中の構造スペクトル相関を抽出するために3次元畳み込みを用いる。 因果依存をなくすために グローバルな方向構造が 交互に導入される。 HSI復調実験は、最先端の計算よりも大幅に改善された。
  論文  参考訳（メタデータ） (2020-03-10T06:14:53Z)

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。