論文の概要: Branch-Centric Tokenization and Test-Time Augmentation for Skeleton Generation

• arxiv url: http://arxiv.org/abs/2609.06218v1
• Date: Sat, 05 Sep 2026 18:28:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 06:27:47.501116
• Title: Branch-Centric Tokenization and Test-Time Augmentation for Skeleton Generation
• Title（参考訳）: 骨格生成のための分岐中心のトークン化とテスト時間拡張
• Abstract要約: シーケンス内の接続を直接エンコードするブランチ対応表現であるブランチ中心のトークン化を導入する。 また、入力メッシュに軸方向の回転を適用するテスト時間拡張手法であるビュー拡張生成を導入する。 実験により,本手法は最先端手法よりも骨格予測精度がよいことが示された。
• 参考スコア（独自算出の注目度）: 4.947134980425439
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic skeleton generation involves predicting both joint positions and skeletal connectivity. However, existing approaches struggle to encode branch structures into token sequences and do not use test-time computation effectively. We study these choices within a unified autoregressive framework. First, we introduce branch-centric tokenization, a branch-aware representation that places structurally related elements next to each other and encodes connectivity directly in the sequence. Compared with standard BFS-style serialization, this representation yields more compact sequences. Second, we introduce view-augmented generation, a test-time augmentation procedure that applies axis-aligned rotations to the input mesh, maps all predictions back to a common frame, and selects the final skeleton based on mesh coverage and consistency among predictions from different views. Experiments show that our method achieves better skeleton prediction accuracy than state-of-the-art methods. In particular, our method reduces the CD-J2B error by 16.9% on the Articulation-XL2.0 dataset compared to the strongest directly comparable baseline, Auto-Connect. Qualitative results on in-the-wild meshes further demonstrate generalization across diverse inputs.
• Abstract（参考訳）: 骨格の自動生成は関節の位置と骨格の接続性の両方を予測する。 しかし、既存のアプローチでは、分岐構造をトークンシーケンスにエンコードするのに苦労し、テスト時間計算を効果的に使用しない。 我々はこれらの選択を統合された自己回帰フレームワークで研究する。 まず、分岐中心のトークン化について述べる。これは、構造的関連要素を隣り合うように配置し、接続を直接シーケンスにエンコードする分岐認識表現である。 標準的なBFSスタイルのシリアライゼーションと比較すると、この表現はよりコンパクトなシーケンスを生成する。 第2に、入力メッシュに軸方向の回転を適用し、すべての予測を共通のフレームにマッピングし、異なるビューからメッシュのカバレッジと一貫性に基づいて最終的な骨格を選択するテスト時拡張手法であるビュー拡張生成を導入する。 実験により,本手法は最先端手法よりも骨格予測精度がよいことが示された。 特に本手法では,Articulation-XL2.0データセット上でのCD-J2B誤差を16.9%削減する。 in-the-wildメッシュの質的な結果は、様々な入力の一般化をさらに証明している。

関連論文リスト

• SuperGrasp: Single-View Object Grasping via Superquadric Similarity Matching, Evaluation, and Refinement [27.71481975135778]
  SuperGraspは、パラレルジャウグリップパーでシングルビューグリップを行うための新しい2段階フレームワークである。 第1段階では,認識候補を効率的に検索する類似マッチングモジュールを導入する。 第2段階では,知的領域を拡張するエンド・ツー・エンドのネットワークであるE-RNetを提案する。
  論文  参考訳（メタデータ） (2026-03-31T04:25:53Z)
• Bridging the Divide: End-to-End Sequence-Graph Learning [47.95529678412846]
  シーケンスとグラフは別の問題ではなく、同じデータセットの相補的な側面であると主張する。 BRIDGEは,シーケンスエンコーダとGNNを結合したエンドツーエンドアーキテクチャである。 BRIDGEは、静的GNN、時間グラフ法、およびランク付けと分類基準に基づくシーケンスのみのベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-10-29T03:06:54Z)
• Learning Discrete Bayesian Networks with Hierarchical Dirichlet Shrinkage [52.914168158222765]
  我々はDBNを学習するための包括的なベイズ的フレームワークについて詳述する。 我々は、並列ランゲヴィン提案を用いてマルコフ連鎖モンテカルロ(MCMC)アルゴリズムを新たに提案し、正確な後続サンプルを生成する。 原発性乳癌検体から予後ネットワーク構造を明らかにするために本手法を適用した。
  論文  参考訳（メタデータ） (2025-09-16T17:24:35Z)
• Improving action segmentation via explicit similarity measurement [5.303583360581161]
  本稿では,セグメント化精度を高めるために,フレーム間および予測間の明らかな類似性評価を提案する。 教師付き学習アーキテクチャでは,トランスフォーマーエンコーダへの入力として,フレームレベルのマルチレゾリューション機能を利用する。 本稿では,連続フレーム間の特徴類似性に基づいた境界補正アルゴリズムを提案する。 また,非教師付き境界検出補正を提案する。
  論文  参考訳（メタデータ） (2025-02-15T08:02:38Z)
• Skeleton2vec: A Self-supervised Learning Framework with Contextualized Target Representations for Skeleton Sequence [56.092059713922744]
  予測対象として高レベルな文脈化機能を使用することで,優れた性能が得られることを示す。 具体的には、シンプルで効率的な3D行動表現学習フレームワークであるSkeleton2vecを提案する。 提案するSkeleton2vecは,従来の手法より優れ,最先端の結果が得られる。
  論文  参考訳（メタデータ） (2024-01-01T12:08:35Z)
• Mutual Exclusivity Training and Primitive Augmentation to Induce Compositionality [84.94877848357896]
  最近のデータセットは、標準的なシーケンス・ツー・シーケンスモデルにおける体系的な一般化能力の欠如を露呈している。 本稿では,セq2seqモデルの振る舞いを分析し,相互排他バイアスの欠如と全例を記憶する傾向の2つの要因を同定する。 広範に使用されている2つの構成性データセット上で、標準的なシーケンス・ツー・シーケンスモデルを用いて、経験的改善を示す。
  論文  参考訳（メタデータ） (2022-11-28T17:36:41Z)
• Correspondence Matters for Video Referring Expression Comprehension [64.60046797561455]
  ビデオ参照表現(REC)は、文章に記述された参照オブジェクトをビデオフレーム内の視覚領域にローカライズすることを目的としている。 既存の手法では,1)ビデオフレーム間の非一貫性な局所化結果,2)参照オブジェクトとコンテキストオブジェクトの混同という2つの問題に悩まされている。 本稿では、フレーム間およびクロスモーダルの両方で密接な関連性を明確に強化する新しいデュアル対応ネットワーク(DCNet)を提案する。
  論文  参考訳（メタデータ） (2022-07-21T10:31:39Z)
• Parameter Decoupling Strategy for Semi-supervised 3D Left Atrium Segmentation [0.0]
  本稿では,パラメータ分離戦略に基づく半教師付きセグメンテーションモデルを提案する。 提案手法は,Atrial Challengeデータセット上での最先端の半教師付き手法と競合する結果を得た。
  論文  参考訳（メタデータ） (2021-09-20T14:51:42Z)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)

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。