論文の概要: Sinkhorn-CPD: Robust point cloud registration via unbalanced entropic optimal transport

• arxiv url: http://arxiv.org/abs/2606.16672v1
• Date: Mon, 15 Jun 2026 13:07:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.567769
• Title: Sinkhorn-CPD: Robust point cloud registration via unbalanced entropic optimal transport
• Title（参考訳）: Sinkhorn-CPD:不均衡エントロピー最適輸送によるロバスト点雲の登録
• Abstract要約: 我々は、CPDの目標側辺縁制約を2つのKullback-Leiblerの罰則に置き換えるシンクホーンCPDを提案する。 Sinkhorn-CPDは最先端の精度を実現し、外れ値に強い頑健さと部分的なオーバーラップを実現している。
• 参考スコア（独自算出の注目度）: 17.741194861569344
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coherent Point Drift (CPD) is widely used for rigid point cloud registration because of its soft correspondences and closed-form parameter updates. However, CPD's target-side marginal constraint forces every observation, including outliers, to receive exactly unit probability mass. This assumption degrades registration accuracy under heavy outliers and partial overlap. Optimal transport (OT) methods can handle missing mass through unbalanced formulations, but require hand-tuned annealing schedules. In this paper, we propose Sinkhorn-CPD, which replaces CPD's target-side marginal constraint with dual Kullback-Leibler penalties, allowing the algorithm to discard outliers on both sides. The resulting formulation is a fully unbalanced entropic optimal transport problem, which can be efficiently solved by generalized Sinkhorn iterations. Moreover, Sinkhorn-CPD preserves the closed-form Procrustes and variance updates of CPD. In our method, the variance sigma^2 plays the role of the entropic regularization parameter, which induces an automatic annealing schedule from diffuse to sharp correspondences without manual temperature tuning. Experiments on synthetic, cross-category, and scan-to-CAD benchmarks show that Sinkhorn-CPD achieves state-of-the-art accuracy, with strong robustness to outliers and partial overlap.
• Abstract（参考訳）: コヒーレント・ポイント・ドリフト(CPD)は、ソフトな対応とクローズドフォームパラメータの更新のため、硬い点雲の登録に広く用いられている。 しかし、CDDの目標側辺縁制限は、外れ値を含む全ての観測を正確に単位確率質量を受け取るように強制する。 この仮定は、重い外れ値と部分的な重複の下で、登録精度を低下させる。 最適輸送 (OT) 法は、不均衡な定式化によって質量の不足を処理できるが、手動で調整したアニーリングのスケジュールを必要とする。 本稿では,CPDの目標側辺縁制約を2つのKullback-Leiblerペナルティに置き換えたシンクホーンCPDを提案する。 結果として得られる定式化は、完全に不均衡なエントロピーの最適輸送問題であり、一般化されたシンクホーン反復によって効率的に解ける。 さらに、シンクホーンCPDはCPDのクローズドフォームProcrustesと分散更新を保存している。 本手法では,分散シグマ^2がエントロピー正則化パラメータの役割を担い,手動温度調整なしで拡散から鋭い対応へ自動アニールスケジュールを誘導する。 合成,クロスカテゴリ,スキャン・トゥ・CADベンチマークの実験では,Sinkhorn-CPDが最先端の精度を実現し,外れ値と部分的な重なりが強いことが示されている。

関連論文リスト

• Adaptive MPPI with Online Disturbance Covariance Estimation: Provable Stability Tightening via Spatial Smoothing [0.0]
  付加過程障害を有する非線形系のモデル予測経路積分(MPPI)制御について検討する。 不一致な外乱共分散は閉ループ安定性証明書に永続的なペナルティをもたらす。
  論文  参考訳（メタデータ） (2026-07-09T21:12:40Z)
• Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data [3.7437735326653883]
  本稿では,分離可能なデータに対する完全バッチ線形分類における速度制御中間事例について検討する。 指数損失を重み付けしたメモリレス安定アニール型スムーズドサイン降下に対して, 正規化繰り返しは, 凸バーグ型バリアの最小化に収束することが証明された。
  論文  参考訳（メタデータ） (2026-07-07T08:55:35Z)
• Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery [3.9929096403817255]
  Trajectory-Anchor Optimization (TAO) はマクロスケールでの効率的なフェールセーフフィルタである。 5mの半径内では、幻覚はしばしば固いアライメントを知覚する局所的に一貫した幾何学を持つ。 TAOは、多視点の一貫性が破滅的な地形破壊を確実に分離する、明確な収束盆地(10m)を確立している。
  論文  参考訳（メタデータ） (2026-07-06T07:31:37Z)
• Randomized neural operator for parametric PDEs with fast training and conformal uncertainty quantification [47.720075875232226]
  我々は,PCAに基づく次元還元と固定ランダム特徴を組み合わせたニューラル演算子であるPCA-RaNNを紹介する。 演算子学習を固定回帰として再キャストし、遅延回帰を3桁まで削減する。
  論文  参考訳（メタデータ） (2026-06-28T15:02:26Z)
• Learning from Emptiness: De-biasing Listwise Rerankers with Content-Agnostic Probability Calibration [76.08899010904652]
  CapCalは、ランキング決定から位置バイアスを機械的に分離する、トレーニング不要のフレームワークである。 シングルパス効率を保ちながら、トレーニング不要の手法で優れた性能を発揮する。
  論文  参考訳（メタデータ） (2026-04-11T10:47:22Z)
• Certified Quantum Schrödinger Control via Hierarchical Tucker Models [2.033424698590539]
  本稿では,固定ランクHTプロジェクションで実装したサンプルデータフィードバック制御のためのフレームワークを開発する。 各トランケーションを名目閉ループの有界なランク依存として見ることにより、HT射影力学は事実上指数関数的に安定であることを示す。
  論文  参考訳（メタデータ） (2026-03-20T17:46:50Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• Silent Inconsistency in Data-Parallel Full Fine-Tuning: Diagnosing Worker-Level Optimization Misalignment [27.352639822596146]
  クロスワーカーの損失と勾配のばらつきは、従来の監視信号では見えない。 本稿では,標準パイプラインで容易に利用できるトレーニング信号を用いて,作業者レベルの一貫性を定量化する,モデルに依存しない診断フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T04:42:30Z)
• DeRaDiff: Denoising Time Realignment of Diffusion Models [45.23864679259705]
  正しい正規化の強さをどのように選ぶか。 DeRaDiffはサンプリング中の正規化強度を変調し、追加のトレーニングや微調整なしに他の正規化強度でトレーニングされたモデルをエミュレートする。 本手法は, 正則化強度の異なるスクラッチから完全に整列したモデルに対して, 常に強い近似を与える。
  論文  参考訳（メタデータ） (2026-01-28T02:53:39Z)
• Nested Stochastic Algorithm for Generalized Sinkhorn distance-Regularized Distributionally Robust Optimization [4.989068568135242]
  分散ロバストシフト最適化(DRO)は、データ分散に対するロバストモデルのための強力な手法である。 本稿では、一般化近似関数によって不確実性をモデル化した正規化非DRO問題の解決を目的とする。
  論文  参考訳（メタデータ） (2025-03-29T01:01:02Z)
• Semi-Supervised Coupled Thin-Plate Spline Model for Rotation Correction and Beyond [84.56978780892783]
  制御点が限られている複数のTPSを、より柔軟で強力な変換に繰り返し結合するCoupledTPSを提案する。 注記コストを考慮に入れた半教師付き学習手法を開発し、ラベルのないデータを活用することにより、ワープ品質を向上させる。 実験は、回転補正のための既存の最先端解よりもCoupledTPSの優位性と普遍性を示す。
  論文  参考訳（メタデータ） (2024-01-24T13:03:28Z)
• On the Practicality of Differential Privacy in Federated Learning by Tuning Iteration Times [51.61278695776151]
  フェデレートラーニング(FL)は、分散クライアント間で機械学習モデルを協調的にトレーニングする際のプライバシ保護でよく知られている。 最近の研究では、naive flは勾配リーク攻撃の影響を受けやすいことが指摘されている。 ディファレンシャルプライバシ(dp)は、勾配漏洩攻撃を防御するための有望な対策として現れる。
  論文  参考訳（メタデータ） (2021-01-11T19:43:12Z)

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。