論文の概要: BridgeMatch: Conditional Transport Bridges in Matching Matrix Space for 3D Deformable Registration
- arxiv url: http://arxiv.org/abs/2609.11472v1
- Date: Thu, 10 Sep 2026 12:39:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.357716
- Title: BridgeMatch: Conditional Transport Bridges in Matching Matrix Space for 3D Deformable Registration
- Title（参考訳）: BridgeMatch: 3次元変形可能なレジストレーションのためのマッチング行列空間における条件付きトランスポートブリッジ
- Abstract要約: 本稿では,完全ソフトマッチング行列を粗度と高分解能の両方で維持する2段階生成解法を提案する。
4DMatchと4DLoMatchの実験では、どちらの変種も比較した方法よりも正確な対応を示し、下流での登録を改善する。
また、CAPEとDeepDeformのクロスデータセットの一般化を、同じ変形解決器を使用しながら、ターゲットドメイン適応なしに改善する。
- 参考スコア（独自算出の注目度）: 42.44006379209785
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable non-rigid point cloud correspondences are important for deformable anatomical registration, embodied perception and manipulation, and dynamic 3D reconstruction. Coarse-to-fine methods reduce computational cost by selecting the top-\(K\) coarse regions. However, this pruning may remove weak but correct hypotheses and restrict fine matching to an incomplete search space. We present \paper, a two-stage generative solver that maintains the complete soft matching matrix at both coarse and high resolutions. Stage~I uses denoising diffusion to estimate a global matching matrix in the compact coarse-resolution space. We then lift this matrix to high resolution while preserving its hierarchy. The lifted matrix is rank-bounded and block-constant. Stage~II refines it through a conditional transport bridge. We implement the bridge with two types of dynamics: a deterministic endpoint-parameterized conditional Flow Matching (CFM) ODE and a stochastic Brownian-bridge SDE inspired by Schrödinger bridges. Both variants share the lifted source, a time-conditioned transformer, and a matching-matrix endpoint predictor. Experiments on 4DMatch and 4DLoMatch show that both variants produce more accurate correspondences than the compared methods and improve downstream registration, with larger gains in low-overlap cases. They also improve cross-dataset generalization on CAPE and DeepDeform without target-domain adaptation while using the same deformation solver.
- Abstract（参考訳）: 信頼性の高い非剛点雲対応は、変形可能な解剖学的登録、知覚と操作の具体化、動的3D再構成に重要である。
粗大化法は、最上位の(K\)粗大化領域を選択することで計算コストを削減する。
しかし、このプルーニングは弱いが正しい仮説を排除し、不完全探索空間に細かなマッチングを制限することができる。
本稿では, 完全ソフトマッチング行列を粗度と高分解能の両方で維持する2段階生成解法である \paper を提案する。
ステージ~Iは、縮退拡散を用いて、コンパクトな粗解空間における大域的マッチング行列を推定する。
そして、この行列を高分解能に引き上げ、その階層を保存する。
昇降行列はランクバウンドでブロックコンスタントである。
第2段から第2段まで、条件付き輸送橋で改良されている。
決定論的終端パラメータ付き条件付きフローマッチング(CFM)ODEとシュレーディンガー橋に触発された確率的ブラウン橋SDEの2種類の動的手法を用いて橋梁を実装した。
どちらの変種もリフトソース、時間条件変換器、マッチング行列予測器を共有している。
4DMatchと4DLoMatchの実験では、どちらの変種も比較した手法よりも正確な対応が得られ、下流での登録が向上し、低オーバーラップのケースでは大きな利益が得られた。
また、CAPEとDeepDeformのクロスデータセットの一般化を、同じ変形解決器を使用しながら、ターゲットドメイン適応なしに改善する。
関連論文リスト
- CubicSplat: Differentiable Vector Graphics via Error-Bounded Forward Relaxation [41.42805325196858]
ベジエの最も近い点解法を、幾何誤差が$O(S-2)$で有界な一様ポリラインサロゲートに置き換える新しいタイプのベクトルグラフ解法であるCubeicSplatを導入する。
結果の静的な計算グラフは構成によってよく条件付き勾配を得るが、PSN由来の可視性メカニズムは補助正則化なしでプリミティブを創出する。
論文 参考訳（メタデータ） (2026-08-21T07:21:08Z) - Solve for the Hyperparameter, Skip the Search: Kolmogorov-Optimal Scaling Laws for Spline Regression [0.0]
クローズドな形での最適解法は、徹底的な探索が到達した精度を計算のごく一部で解くことができる。
KOREは2つのパイロット解像度に適合し、バイアスとノイズスケールのレバレッジ校正された2x2システムを解く。
論文 参考訳（メタデータ） (2026-06-22T16:41:10Z) - Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching [66.39914384073145]
本稿では,安価な拡散サンプリング推論をステップレベル候補の再利用プールに変換する自己整合性フレームワークを提案する。
ステップレベルの再結合は、難しい問題に対して最も有益であることがわかった。
トレーニング不要のフレームワークは、6つの数学およびコーディングタスクの平均精度を最大2倍改善します。
論文 参考訳（メタデータ） (2026-02-26T11:08:39Z) - Adaptive Matrix Online Learning through Smoothing with Guarantees for Nonsmooth Nonconvex Optimization [54.723834588133165]
我々は,演算子AMLによる行列変数を用いたオンライン線形最適化について検討した。
プロジェクションを避ける2つの効率的な手法でこのフレームワークをインスタンス化する。
両手法とも, クローズドフォーム更新はシャンプーの後悔と一致し, 計算コストを大幅に削減することを示した。
論文 参考訳（メタデータ） (2026-02-09T03:09:47Z) - Diff-Reg v2: Diffusion-Based Matching Matrix Estimation for Image Matching and 3D Registration [44.88739897482003]
本稿では,行列空間における拡散モデルを利用して,ロバストマッチング行列推定を行う革新的パラダイムを提案する。
具体的には、3D-3Dおよび2D-3D登録タスクに対して2次元行列空間に拡散モデルを適用する。
3つの登録タスクすべてに対して、各タスクの特定の特性に合わせた適応的マッチング行列埋め込み実装を提供する。
論文 参考訳（メタデータ） (2025-03-06T06:13:27Z) - Diff-Reg v1: Diffusion Matching Model for Registration Problem [34.57825794576445]
既存の手法では、幾何学的あるいは意味的な特徴を利用して潜在的な対応を生成する。
従来はシングルパス予測に頼っていた手法は、複雑なシナリオにおいて局所的なミニマと競合する可能性がある。
本稿では,ロバスト対応推定のための拡散マッチングモデルを提案する。
論文 参考訳（メタデータ） (2024-03-29T02:10:38Z) - Diff-PCR: Diffusion-Based Correspondence Searching in Doubly Stochastic Matrix Space for Point Cloud Registration [0.8287206589886881]
最先端の手法では、ソリューションを洗練させるためにRAFTのような反復的な更新が採用されている。
本稿では,最適マッチング行列の探索を予測するために,Denoising Diffusion Modelを利用する新しい手法を提案する。
提案手法は,オンラインバックボーンやホワイトノイズによって提供される任意の初期マッチング行列から検索を開始することで,柔軟性を提供する。
論文 参考訳（メタデータ） (2023-12-31T09:24:28Z) - Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳（メタデータ） (2023-12-04T16:49:43Z) - Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D
Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。
エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。
3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文 参考訳（メタデータ） (2020-12-15T11:42:17Z) - Multi-Objective Matrix Normalization for Fine-grained Visual Recognition [153.49014114484424]
双線形プールは細粒度視覚認識(FGVC)において大きな成功を収める
近年,行列パワー正規化は双線形特徴量において2次情報を安定化させることができることが示されている。
両線形表現を同時に正規化できる効率的な多目的行列正規化法(MOMN)を提案する。
論文 参考訳（メタデータ） (2020-03-30T08:40:35Z)
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。