論文の概要: Coarse-to-Fine: A Hybrid Self-Supervised Method for Non-rigid 3D Shape Matching

• arxiv url: http://arxiv.org/abs/2606.26557v2
• Date: Fri, 26 Jun 2026 07:02:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 13:57:07.333228
• Title: Coarse-to-Fine: A Hybrid Self-Supervised Method for Non-rigid 3D Shape Matching
• Title（参考訳）: Coarse-to-Fine:非剛性3次元形状マッチングのためのハイブリッド自己監督手法
• Abstract要約: 非剛体3次元形状マッチングはコンピュータビジョンとグラフィックスの基本的な課題である。 本稿では,粗大な戦略に基づくハイブリッド自己管理手法を提案する。 提案手法は,様々な難題にまたがって最先端のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 33.83928014984301
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-rigid 3D shape matching is a fundamental task in computer vision and graphics. In this paper, we propose a hybrid self-supervised method based on a coarse-to-fine strategy, which ensures consistency between the coarse mapping and the refined correspondence produced by our refinement module. The architecture features a dual-branch design, consisting of two symmetric functional map learning streams: one based on the Laplacian basis and the other utilizing the elastic basis. Extensive experiments show that our approach not only maintains computational efficiency, but also achieves state-of-the-art performance across a variety of challenging scenarios, including non-isometric deformations and topological noise. Finally, we rigorously demonstrate that contrastive energies promote feature discrimination. Furthermore, integrating these energies with existing methods yields consistent improvements, validating the overall efficacy of our approach. Our code is available at https://github.com/LuoFeifan77/Coarse-to-Fine-Hybrid-Self-Supervised-Matching.
• Abstract（参考訳）: 非剛体3次元形状マッチングはコンピュータビジョンとグラフィックスの基本的な課題である。 本稿では,粗いマッピングと改良モジュールが生成する洗練された対応との整合性を確保するための,粗い粒度戦略に基づくハイブリッド自己教師手法を提案する。 このアーキテクチャは2つの対称関数型マップ学習ストリームからなる二重ブランチ設計を特徴としている。 大規模実験により,本手法は計算効率を維持するだけでなく,非等尺変形やトポロジカルノイズなど,様々な難題にまたがる最先端性能を実現することができた。 最後に、コントラストエネルギーが特徴的差別を促進することを厳格に示す。 さらに、これらのエネルギーを既存の手法に統合すると、一貫した改善が得られ、我々のアプローチの全体的な効果が検証される。 私たちのコードはhttps://github.com/LuoFeifan77/Coarse-to-Fine-Hybrid-Self-Supervised-Matchingで公開されています。

関連論文リスト

• Unsupervised Contrastive Learning for Efficient and Robust Spectral Shape Matching [35.320288409500314]
  剛性のない変形可能な3次元形状のペア間の対応を推定することは、コンピュータビジョンとグラフィックスにおいて重要な課題である。 提案手法は, 効率的かつ堅牢な3次元形状マッチングのための, 教師なしのコントラスト学習に基づく新しいアプローチを初めて導入する。
  論文  参考訳（メタデータ） (2026-03-19T14:02:12Z)
• CSMCIR: CoT-Enhanced Symmetric Alignment with Memory Bank for Composed Image Retrieval [54.15776146365823]
  Composed Image Retrieval (CIR)では、ユーザーは参照画像と操作テキストの両方を使用してターゲットイメージを検索できる。 CSMCIRは3つの相乗的コンポーネントを通して効率的なクエリターゲットアライメントを実現する統一表現フレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T09:21:38Z)
• Hephaestus: Mixture Generative Modeling with Energy Guidance for Large-scale QoS Degradation [44.97875113025023]
  本稿では,QoSD(Quality of Service Degradation)問題について考察する。 非線形エッジウェイト関数の下では、RefineD問題に直接対処する先行モデルは存在しない。 この研究は、潜在空間における実現可能な解を合成する自己強化フレームワークであるPIMMAを提案する。
  論文  参考訳（メタデータ） (2025-10-19T22:48:35Z)
• Synchronous Diffusion for Unsupervised Smooth Non-Rigid 3D Shape Matching [15.843208029973175]
  非剛性3次元形状整合問題において,正則化として用いる同期拡散過程を提案する。 我々の新しい規則化は、特にトポロジカルノイズの存在下で、形状整合の最先端性を大幅に向上させることができることを実証する。
  論文  参考訳（メタデータ） (2024-07-11T07:45:06Z)
• Hybrid Functional Maps for Crease-Aware Non-Isometric Shape Matching [42.0728900164228]
  ラプラス・ベルトラミ作用素(LBO)固有モデムの固有関数と弾性薄殻ヘシアンの固有関数の非直交外部基底を結合する新しいアプローチを提案する。 各種の教師なしおよび教師なしの設定に対して広範囲な評価を行い,大幅な改善を示した。
  論文  参考訳（メタデータ） (2023-12-06T18:41:01Z)
• DiscoMatch: Fast Discrete Optimisation for Geometrically Consistent 3D Shape Matching [32.896242822749834]
  本稿では,3次元形状マッチングにおける学習ベースとフォーマリズムの利点を組み合わせることを提案する。 我々の解法は準ニュートン法で大きく並列化可能である。
  論文  参考訳（メタデータ） (2023-10-12T11:23:07Z)
• Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image Compression [63.56922682378755]
  本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。 提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。 実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-08-17T01:34:51Z)
• Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
  相関に基づくステレオマッチングは優れた性能を達成した。 固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。 本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-26T09:47:37Z)
• ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
  粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。 これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。 種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-09-25T13:05:33Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)

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。