論文の概要: 3D Spatial Pattern Matching
- arxiv url: http://arxiv.org/abs/2606.26465v1
- Date: Thu, 25 Jun 2026 00:00:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.115745
- Title: 3D Spatial Pattern Matching
- Title（参考訳）: 3次元空間パターンマッチング
- Abstract要約: 本稿では,距離関係上の3次元空間パターンを解くことのできる部分グラフマッチングアルゴリズムについて述べる。
そこで我々は,ドイツのハンブルクから3次元空間パターンマッチングデータセットを2つリリースした。
- 参考スコア（独自算出の注目度）: 1.544476857484878
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spatial pattern matching is the process of matching query entities and constraints with database entities and relations. It has many applications, including similar region search, housing market search, landmark search, and road network matching. To our knowledge, all existing spatial pattern matching approaches frame the problem in a 2 dimensional space, where entities lie in a cartesian plane and relationships defined between them are contained in 2 dimensions. However, this problem framing has significant limitations when searching for real world entities that have height in addition to position. To address this limitation, we extend spatial pattern matching to 3 dimensions and provide a generalized definition of the problem. We describe a subgraph matching algorithm capable of resolving 3D spatial patterns over distance relations and release two 3D spatial pattern matching datasets, one synthetic and one containing real 3D building data from the city of Hamburg, Germany. We test our subgraph matching algorithm on both datasets and present results as a baseline for future methods to build upon.
- Abstract（参考訳）: 空間パターンマッチングは、クエリエンティティと制約をデータベースエンティティとリレーションシップとマッチングするプロセスである。
同様の地域探索、住宅市場探索、ランドマーク検索、道路ネットワークマッチングなど、多くの応用がある。
我々の知る限り、既存の空間パターンマッチングアプローチは全て、2次元空間において問題をフレーム化し、そこでは、実体はカルテ面に置かれ、それらの間の関係は2次元に含まれる。
しかし、このフレーミングは、位置に加えて高さの高い現実世界の実体を探す際に、重大な制限がある。
この制限に対処するため、空間パターンマッチングを3次元に拡張し、問題の一般化された定義を提供する。
本稿では,距離関係上の3次元空間パターンを解くことのできる部分グラフマッチングアルゴリズムについて述べる。
両方のデータセットでサブグラフマッチングアルゴリズムをテストし、将来の手法を構築するためのベースラインとして結果を提示する。
関連論文リスト
- 3dSAGER: Geospatial Entity Resolution over 3D Objects (Technical Report) [7.378893412842889]
3dSAGERは3Dオブジェクト上の空間的エンティティ解決のためのエンドツーエンドパイプラインである。
本稿では,マッチングペアの複雑な幾何学的特徴をキャプチャする,空間参照非依存のデファクトチュール化機構を提案する。
また、訓練されたモデルを活用して、ハイリコール候補セットを効率的に生成する、軽量で解釈可能な新しいブロッキング手法であるBKAFIを提案する。
論文 参考訳（メタデータ） (2025-11-09T09:35:45Z) - UM3: Unsupervised Map to Map Matching [9.65888302364086]
マップ・ツー・マップマッチング(Map-to-map matching)は異種ソース間で空間データを整列させる重要なタスクである。
3つの重要な革新を通じてこれらの課題に対処する、教師なしグラフベースのフレームワークを提案する。
提案手法は,タスクマッチングにおける最先端の精度を実現し,既存の手法を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2025-08-23T02:14:52Z) - HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses [52.70183252341687]
本稿では,空間的関係学習に着目した階層型三重項に基づく屋内関係学習手法HierRelTripleを提案する。
階層型リレーショナル三重項モデリングフレームワークであるHierRelTripleを導入する。
非条件レイアウト合成、フロアプラン条件付きレイアウト生成、シーン再構成の実験により、HierRelは空間関係のメトリクスを15%以上改善することを示した。
論文 参考訳（メタデータ） (2025-03-26T07:31:52Z) - Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。
セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
論文 参考訳（メタデータ） (2024-11-25T10:14:10Z) - Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。
ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。
これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
論文 参考訳（メタデータ） (2024-02-27T10:10:12Z) - DDM: A Metric for Comparing 3D Shapes Using Directional Distance Fields [98.15456815880911]
既存の手法は主に2つのモデル間の対応を直接確立することに焦点を当てている。
本稿では,3次元幾何データに対する効率的,効率的,堅牢,かつ微分可能な距離測定法であるDDMを提案する。
一般的な距離計量として、DDMは3次元幾何モデリングの分野を前進させる可能性がある。
論文 参考訳（メタデータ） (2024-01-18T05:31:53Z) - Deformation-Guided Unsupervised Non-Rigid Shape Matching [7.327850781641328]
非厳密な形状マッチングのための教師なしデータ駆動方式を提案する。
本手法は,3次元スキャナを用いたディジタル形状のマッチングにおいて特に堅牢である。
論文 参考訳（メタデータ） (2023-11-27T09:55:55Z) - Neural Semantic Surface Maps [52.61017226479506]
本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。
提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
論文 参考訳（メタデータ） (2023-09-09T16:21:56Z) - PIDS: Joint Point Interaction-Dimension Search for 3D Point Cloud [36.55716011085907]
PIDSは、ポイントクラウドデータにセマンティックセグメンテーションを提供するために、ポイントインタラクションとポイントディメンションを共同で探求する新しいパラダイムである。
我々は多目的点相互作用と点次元を共同で検討する大規模な探索空間を確立する。
予測器をベースとしたニューラルアーキテクチャサーチ(NAS)を活用することにより,探索空間の探索を改善するとともに,予測の質を向上させる。
論文 参考訳（メタデータ） (2022-11-28T20:35:22Z) - PolarMOT: How Far Can Geometric Relations Take Us in 3D Multi-Object
Tracking? [62.997667081978825]
グラフのノードとして3D検出を符号化し、グラフエッジ上の局所極座標を用いてオブジェクト間の空間的および時間的対関係を符号化する。
これにより、グラフニューラルネットワークは、時間的および空間的相互作用を効果的に符号化することができる。
我々はnuScenesデータセット上に新しい最先端のデータセットを構築し、さらに重要なことに、私たちの手法であるPolarMOTが、異なる場所にわたって驚くほどよく一般化されていることを示す。
論文 参考訳（メタデータ） (2022-08-03T10:06:56Z) - A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D
Shape Matching [69.14632473279651]
本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。
従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
論文 参考訳（メタデータ） (2022-04-27T09:47:47Z) - Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based
Perception [122.53774221136193]
運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。
自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。
本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-12T06:25:11Z)
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。