Fugu-MT 論文翻訳(概要): Shapes from Examples: Foundations of Shape Learning in Recursive SHACL

論文の概要: Shapes from Examples: Foundations of Shape Learning in Recursive SHACL

arxiv url: http://arxiv.org/abs/2607.27934v2
Date: Thu, 06 Aug 2026 12:02:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-07 17:43:06.605329
Title: Shapes from Examples: Foundations of Shape Learning in Recursive SHACL
Title（参考訳）: 例からの形状:再帰的SHACLにおける形状学習の基礎
Abstract要約: SHACLの形状はデータグラフの検証を可能にし、知識グラフアプリケーションに自動形状学習が不可欠である。入力グラフから正および負の例ノードの集合 P と N を与えられたとき、形状表現 C を計算し、おそらくは、形状カタログで定義された形状名を用いて、P のすべてのノードで検証し、N のどのノードにも検証しない。
参考スコア（独自算出の注目度）: 2.099922236065961
License: http://creativecommons.org/licenses/by/4.0/
Abstract: SHACL shapes enable data graph validation, making automatic shape learning essential for knowledge graph applications. We investigate the well-known fitting approach to this task: given sets P and N of positive and negative example nodes from an input graph, compute a shape expression C, possibly using shape names defined in a recursive shape catalogue, that validates at every node in P and none in N. We focus on the case where C is written in a core fragment of SHACL corresponding to the Description Logic ELI. For the catalogue, we consider the well-founded, stable, and supported semantics. We address fitting existence and most specific fitting computation, establish tight exponential-time upper bounds for both problems, and obtain polynomial bounds for relevant special cases.
Abstract（参考訳）: SHACLの形状はデータグラフの検証を可能にし、知識グラフアプリケーションに自動形状学習が不可欠である。入力グラフから正および負の例ノードの集合 P と N を与えられたとき、形状式 C を計算し、おそらくは再帰的な形状カタログで定義された形状名を用いて、P の各ノードで検証し、N にない。カタログについては、しっかりと構築され、安定し、サポートされたセマンティクスを検討します。両問題に対する厳密な指数時間上界を確立し, 関連する特殊ケースに対する多項式境界を求める。

関連論文リスト

TokenMatch: 3D Mesh Correspondence Transformer with Curvature-Guided Tokenisation [39.05672576418673]
TokenMatchは3次元形状対応を推定するトランスフォーマーベース統一モデルである。当社のフィードフォワードアプローチは,非等尺部分-部分形状マッチングデータセットであるBeCoSに特化してトレーニングされている。 TokenMatchをCP2P, PSMAL, BeCoS, FAUST, SCAPE, SHREC'19を含む部分的および完全形状マッチングの標準ベンチマークで評価した。
論文参考訳（メタデータ） (2026-09-03T17:59:55Z)
Self-supervised Shape Completion via Involution and Implicit Correspondences [89.18705005095359]
3次元形状の完成は、教師付きトレーニングや、完全な形状の例による分布学習によって伝統的に解決される。近年, 完全な3次元形状の例を必要としない自己指導型学習手法が注目されている。形状完遂作業のための非対角的自己教師型手法を提案する。
論文参考訳（メタデータ） (2024-09-24T10:04:38Z)
Shape-Graph Matching Network (SGM-net): Registration for Statistical Shape Analysis [20.58923754314197]
本稿では,形状グラフと呼ばれるデータオブジェクトの形状の統計的解析に着目する。ここでの重要なニーズは、オブジェクト間のポイント(ノードからノード、エッジからエッジ)の制限された登録である。本稿では,ニューラルネットアーキテクチャを用いて,この登録問題に対処する。
論文参考訳（メタデータ） (2023-08-14T00:42:03Z)
Efficient Computation of Counterfactual Bounds [44.4263314637532]
我々は,構造因果モデルのサブクラスにおけるクレダルネットのアルゴリズムを用いて,正確な反ファクト境界を計算する。近似の精度を信頼性のある間隔で評価する。
論文参考訳（メタデータ） (2023-07-17T07:59:47Z)
Zero-Shot 3D Shape Correspondence [67.18775201037732]
本稿では,3次元形状間の対応性を計算するためのゼロショット手法を提案する。我々は、最近の基礎モデルの言語と視覚における例外的な推論能力を活用している。提案手法は, 強い非等尺形状の間において, ゼロショット方式で高確率な結果をもたらす。
論文参考訳（メタデータ） (2023-06-05T21:14:23Z)
Point Cloud Completion Guided by Prior Knowledge via Causal Inference [19.935868881427226]
本稿では,ポイントPCと呼ばれる新たなクラウド完了タスクを提案する。 Point-PCはメモリネットワークを用いて形状の先行情報を検索し、因果推論モデルを設計し、欠落した形状情報をフィルタリングする。 ShapeNet-55、PCN、KITTIデータセットの実験結果から、Point-PCは最先端の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2023-05-28T16:33:35Z)
G-MSM: Unsupervised Multi-Shape Matching with Graph-based Affinity Priors [52.646396621449]
G-MSMは、非剛体形状対応のための新しい教師なし学習手法である。学習形態の集合に親和性グラフを自己教師型で構築する。近年の形状対応ベンチマークで最先端の性能を示す。
論文参考訳（メタデータ） (2022-12-06T12:09:24Z)
PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval and Deformation [59.70430570779819]
本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
論文参考訳（メタデータ） (2022-07-24T18:59:09Z)
Bending Graphs: Hierarchical Shape Matching using Gated Optimal Transport [80.64516377977183]
形状マッチングは、コンピュータグラフィックスと視覚のコミュニティにとって長い間研究されてきた問題である。局所的なパッチレベル情報とグローバルな形状レベルの構造を組み込んだ階層型学習設計について検討する。本研究では,非信頼ノード上の特徴を逐次更新し,形状間の一貫した一致を学習することで,新しい最適輸送解法を提案する。
論文参考訳（メタデータ） (2022-02-03T11:41:46Z)
Shape Fragments [2.5922360296344396]
ShExやSHACLのようなRDFグラフの制約言語では、ノードとその特性に対する制約は"shapes"として知られている。本稿では, RDFグラフから, いわゆる形状フラグメントであるサブグラフを抽出するために, 形状の集合を用いた新しい利用法を提案する。
論文参考訳（メタデータ） (2021-12-22T11:01:50Z)
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)
Action Recognition with Kernel-based Graph Convolutional Networks [14.924672048447338]
learning graph convolutional networks(gcns)は、ディープラーニングを任意の非正規ドメインに一般化することを目的としている。再生カーネルヒルベルト空間(RKHS)における空間グラフ畳み込みを実現する新しいGCNフレームワークを提案する。 gcnモデルの特長は、学習グラフフィルタの受容野のノードと入力グラフのノードを明示的に認識せずに畳み込みを実現する能力にも関係しています。
論文参考訳（メタデータ） (2020-12-28T11:02:51Z)

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。