論文の概要: Geometric 2D Scene Graph Generation

• arxiv url: http://arxiv.org/abs/2607.22325v1
• Date: Fri, 24 Jul 2026 14:03:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.149003
• Title: Geometric 2D Scene Graph Generation
• Title（参考訳）: 幾何学的2次元シーングラフ生成
• Abstract要約: 本稿では,組立関係を表現・特徴付けるシーングラフ構築手法を提案する。 私たちのアプローチはセマンティックデータに依存しておらず、非常に小さなデータセットを扱うことができます。 本手法を,輸送車両に組み込むことができる玩具模型部品の研究データセット上で検証する。
• 参考スコア（独自算出の注目度）: 4.798313004706817
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In production processes for consumer products, assembly instructions are essential not only for planning but also for executing the production process. Likewise in robotics, it is crucial for an assembly robot to understand how components fit together and can be assembled. To facilitate these tasks, we contribute a method for constructing scene graphs to represent and characterize assembly relationships between components. Our approach does not rely on semantic data and is capable of handling a very small dataset. To realize this, the output of a Faster R-CNN model is used to create geometric representations, which are then processed by a transformer architecture to generate an adjacency matrix. This matrix serves as input to a Siamese network that uses message passing based on an attentional graph convolutional network (aGCN) architecture to characterize the connections between the components. We validate our method on a study dataset of toy model components which can be assembled into transportation vehicles.
• Abstract（参考訳）: 消費者製品の生産プロセスでは、組み立て指示は計画だけでなく生産プロセスの実行にも不可欠である。 ロボット工学でも同様に、組み立てロボットはコンポーネントがどのように適合し組み立てられるかを理解することが不可欠である。 これらの作業を容易にするために,コンポーネント間の組立関係を表現・特徴付けるシーングラフ構築手法を提案する。 私たちのアプローチはセマンティックデータに依存しておらず、非常に小さなデータセットを扱うことができます。 これを実現するために、高速なR-CNNモデルの出力を用いて幾何学的表現を生成し、変換器アーキテクチャで処理して隣接行列を生成する。 この行列は、注目グラフ畳み込みネットワーク(aGCN)アーキテクチャに基づくメッセージパッシングを使用してコンポーネント間の接続を特徴付けるシームズネットワークへの入力として機能する。 本手法を,輸送車両に組み込むことができる玩具模型部品の研究データセット上で検証する。

関連論文リスト

• Iterative Compositional Data Generation for Robot Control [8.888011063034517]
  本稿では,ロボット,オブジェクト,障害物,客観的なコンポーネントへの遷移を分解する意味構成拡散変換器を提案する。 モデルがゼロショットで高品質な遷移を生成できることを示し,未知のタスクの組み合わせに対する制御ポリシーを学習できることを示した。
  論文  参考訳（メタデータ） (2025-12-11T18:20:49Z)
• 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
  Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。 PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。 我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
  論文  参考訳（メタデータ） (2024-07-15T08:50:02Z)
• Zero-shot Composed Text-Image Retrieval [72.43790281036584]
  合成画像検索(CIR)の問題点を考察する。 テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
  論文  参考訳（メタデータ） (2023-06-12T17:56:01Z)
• Efficient and Feasible Robotic Assembly Sequence Planning via Graph Representation Learning [22.447462847331312]
  本稿では,製品集合体に対するアセンブリグラフと呼ばれるグラフ表現を含む総合的なグラフィカルアプローチを提案する。 GRACEでは、グラフ入力から意味のある情報を抽出し、ステップバイステップでアセンブリシーケンスを予測する。 実験では,アルミニウムプロファイルの積変種にまたがって,本手法が実現可能なアセンブリシーケンスを予測可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-17T17:23:14Z)
• Component Segmentation of Engineering Drawings Using Graph Convolutional Networks [0.8941624592392744]
  本稿では2次元工学的部分描画のベクトル化と機械解釈を自動化するためのデータ駆動型フレームワークを提案する。 これらの課題を克服するために,各ベクトル化コンポーネントの意味型を予測するディープラーニングベースのフレームワークを提案する。 その結果,本手法は最近の画像とグラフベースセグメンテーション法に比較して,最高の性能を示すことがわかった。
  論文  参考訳（メタデータ） (2022-12-01T05:31:07Z)
• 3D Part Assembly Generation with Instance Encoded Transformer [22.330218525999857]
  本稿では,部品間の幾何的および関係的な推論を伴い,部品の更新を反復的に行う多層トランスフォーマーベースのフレームワークを提案する。 フレームワークをプロセス内部分アセンブリと呼ばれる新しいタスクに拡張します。 提案手法は、パブリックなPartNetデータセット上の複数のメトリクスにおいて、現在の最先端よりも10%以上改善されている。
  論文  参考訳（メタデータ） (2022-07-05T02:40:57Z)
• RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
  本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。 我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。 本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
  論文  参考訳（メタデータ） (2021-06-29T20:29:29Z)
• Graph Convolutional Embeddings for Recommender Systems [67.5973695167534]
  本研究では,N-Partiteグラフのユーザ-item-contextインタラクションを処理するグラフ畳み込み層を提案する。 より具体的には、ユーザ-item-contextインタラクションを処理するN-partiteグラフのグラフ畳み込み層を定義する。
  論文  参考訳（メタデータ） (2021-03-05T10:46:16Z)
• Where2Act: From Pixels to Actions for Articulated 3D Objects [54.19638599501286]
  可動部を有する関節物体の押出しや引抜き等の基本動作に関連する高度に局所化された動作可能な情報を抽出する。 シミュレーションでネットワークをトレーニングできるオンラインデータサンプリング戦略を備えた学習から対話までのフレームワークを提案します。 私たちの学習モデルは、現実世界のデータにも転送します。
  論文  参考訳（メタデータ） (2021-01-07T18:56:38Z)
• Quiver Signal Processing (QSP) [145.6921439353007]
  キーバー表現に関する信号処理フレームワークの基礎を述べる。 ネットワークにおける異種多次元情報を扱うための信号処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-22T08:40:15Z)
• Generative 3D Part Assembly via Dynamic Graph Learning [34.108515032411695]
  部品組み立ては、3Dコンピュータビジョンとロボット工学において難しいが重要な課題だ。 本稿では,反復グラフニューラルネットワークをバックボーンとして活用する,アセンブリ指向の動的グラフ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-14T04:26:42Z)

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。