論文の概要: Predicting build orientation for SLM dental parts: a comparison of rotation representations and direct vector regression

• arxiv url: http://arxiv.org/abs/2609.15710v1
• Date: Mon, 14 Sep 2026 15:13:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.467331
• Title: Predicting build orientation for SLM dental parts: a comparison of rotation representations and direct vector regression
• Title（参考訳）: SLM歯科用部品のビルドオリエンテーション予測 : 回転表現と直接ベクトル回帰の比較
• Abstract要約: 我々は、技術者ラベル付き生産データから、部品の上昇軸の教師付き機械学習として、方向予測を扱います。 我々は、ResNet-50マルチビューイメージバックボーンとPointNeXt-Sポイントクラウドバックボーンをトレーニングした。 本報告では, 試験時間増加の有無にかかわらず, 予測値と起伏値との測地角誤差をテストセット上で報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Build orientation for selective laser melting (SLM) manufacturing of dental parts is usually chosen manually by technicians. We treat orientation prediction as supervised machine learning of the part's up-axis from technician-labeled production data, and test which rotation representations produce the best results. Using $n\approx2400$ patient-specific dental parts, we trained a ResNet-50 multi-view image backbone and a PointNeXt-S point-cloud backbone, both pretrained and fine-tuned end-to-end, on 13 up-axis representations spanning six classical $SO(3)$ parameterizations and seven representations defined directly on the unit sphere $S^2$. We report the geodesic angular error between predicted and ground-truth up-axis on a test set, with and without test-time augmentation (TTA) over $K=21$ known rotations. With TTA, the octahedral map achieves the lowest mean angular error ($10.6^\circ$, ResNet-50). The three lowest-error results overall are direct $S^2$ representations, though this may reflect label noise in the unsupervised in-plane component of the $SO(3)$ targets rather than a topological advantage. von Mises-Fisher collapses to a near-constant prediction when trained with PointNeXt-S but not with ResNet-50. TTA reduces mean angular error by 31-73 % across almost every representation and backbone. Overall, test-time augmentation over a small set of known rotations is the most consistent driver of accuracy, whereas the best-performing representation is strongly backbone-dependent.
• Abstract（参考訳）: 選択的レーザー溶融(SLM)製造のためのビルドオリエンテーションは通常、技術者によって手動で選択される。 我々は、方向予測を技術ラベル付き生産データから部品の上昇軸の教師付き機械学習として扱い、どの回転表現が最良の結果をもたらすかをテストする。 患者固有の歯科用部品である$n\approx2400$を用いて,古典的な$SO(3)$パラメータ化と,単位球面$S^2$で直接定義された7つの表現からなる13個のアップ軸表現に対して,ResNet-50マルチビューイメージバックボーンとPointNeXt-Sポイントクラウドバックボーンをトレーニングした。 本報告では, 試験時間増強(TTA)を伴わず, 既知回転数でK=21$以上の測地線角誤差を報告した。 TTAでは、八面体写像は最低平均角誤差(10.6^\circ$, ResNet-50)を達成する。 全体的な3つの最低エラー結果は直接$S^2$表現であるが、これは位相的優位性よりもむしろ$SO(3)$ターゲットの教師なしの面内成分のラベルノイズを反映している可能性がある。 von Mises-Fisher は PointNeXt-S で訓練されているが ResNet-50 では訓練されていない。 TTAは、ほぼすべての表現とバックボーンで平均角誤差を31-73 %削減する。 全体として、少数の既知の回転に対するテスト時間の増大は、最も一貫した精度のドライバであるが、最高のパフォーマンスの表現は、バックボーンに依存している。

関連論文リスト

• Sharp Rates and a One-Line Correction for Spectral Representation Learning [8.921166277011347]
  自己管理エンコーダは、トレーニング時に誰も名前をつけないタスクの軽量プローブを通じてトレーニングされ、凍結され、再利用される。 標準相関解析、HGR最大相関、およびスペクトルのコントラスト損失の集団最適化は、全て、クロスビュー依存作用素のトップ-$k$特異部分空間を返す。 isotropy is the wrong hypothesis. the prior enters the transfer risk through through the task covariance $=mathbbE[top]$, and through its compression to the operator's leading singular direction。
  論文  参考訳（メタデータ） (2026-09-14T16:26:55Z)
• $\text{GSF-}χ$: Global Stereochemical Fields for Chiral Graph Transformers [49.85093436361195]
  GSF-$$は、全ての対の相互作用をステレオジェニック単位が変調するグラフ変換器である。 $C$プロジェクションはミラーオンのECDピークカウントと位置をミラーオードピークサインから分離する。 GSF-$$は全ての中央ECD出力をリードし、軸方向回転とシンボルを最強のベースラインで12.6%$と7.9%$で改善する。
  論文  参考訳（メタデータ） (2026-09-11T07:41:20Z)
• Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
  自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。 我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。 この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
  論文  参考訳（メタデータ） (2026-08-01T13:49:46Z)
• Hidden Boundary Motion in Transformer Optimization: Function-Space Orthogonalization of Affine Weight and Bias Updates [0.0]
  我々は、この隠れたコントリビューション・ファンウンダリ・モーションと呼び、各更新をエンハンシェープ・コンポーネントと共有エンハンダリ・コンポーネントに分解する。 単座実験では、SBO-AdamWはバリデーション精度を81.68%から85.81%に引き上げ、バリデーション選択テスト精度を78.73%から82.73%に引き上げた。
  論文  参考訳（メタデータ） (2026-07-24T21:51:43Z)
• Representation Without Reward: A JEPA Audit for LLM Fine-Tuning [1.2691047660244335]
  JEPA(Joint-embedding predictive Architectures)は、モデルが観測された出力よりも遅延表現を予測できるように訓練された時に、より有用な抽象化を学ぶべきであることを提案している。 自己回帰型言語モデルの微調整には、この原理はより厳密な要件を必要とする。 我々は、Llama-3.2-1B-Instruct LoRA を用いて、自然言語からレジェックス生成におけるその要件を検証した。
  論文  参考訳（メタデータ） (2026-05-14T20:27:32Z)
• bispectrum: Selective $G$-Bispectra Made Practical [10.148766645678954]
  7つの異なるグループアクションに対して選択的な$G$-bispectraを実装するオープンソースライブラリであるbispectrumを提示する。 3つの古典的ベンチマークデータセット上のディープラーニングアーキテクチャに層をプールするために$G$-bispectraを組み込むことの利点を評価する。
  論文  参考訳（メタデータ） (2026-05-08T05:35:00Z)
• SVG-EAR: Parameter-Free Linear Compensation for Sparse Video Generation via Error-aware Routing [77.91660464664615]
  Diffusion Transformers (DiTs) はビデオ生成において主要なバックボーンとなっているが、その二次的注意コストは依然として大きなボトルネックとなっている。 本稿では,不足しているコントリビューションをトレーニングなしで回収できることを示す。 パラメータフリーな線形補償分岐であるSVG-EARを導入する。
  論文  参考訳（メタデータ） (2026-03-09T22:15:31Z)
• FedSVD: Adaptive Orthogonalization for Private Federated Learning with LoRA [68.44043212834204]
  Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。 Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。
  論文  参考訳（メタデータ） (2025-05-19T07:32:56Z)
• Provably Efficient Offline Reinforcement Learning with Trajectory-Wise Reward [66.81579829897392]
  我々はPessimistic vAlue iteRaTionとrEward Decomposition (PARTED)という新しいオフライン強化学習アルゴリズムを提案する。 PartEDは、最小2乗ベースの報酬再分配を通じて、ステップごとのプロキシ報酬に軌道を分解し、学習したプロキシ報酬に基づいて悲観的な値を実行する。 私たちの知る限りでは、PartEDは、トラジェクティブな報酬を持つ一般のMDPにおいて、証明可能な効率のよい最初のオフラインRLアルゴリズムである。
  論文  参考訳（メタデータ） (2022-06-13T19:11:22Z)
• Automatic Plane Adjustment of Orthopedic Intra-operative Flat Panel Detector CT-Volumes [4.283630256997887]
  整形外科手術の結果を評価するために3D取得がしばしば行われる。 手術室の設定のため、取得したボリュームは解剖学的領域に整列する。 本稿では,MPR平面のパラメータを推定するために,マルチタスク学習(MTL)回帰ネットワークについて詳細に検討する。
  論文  参考訳（メタデータ） (2021-09-15T11:25:14Z)
• Rotated Binary Neural Network [138.89237044931937]
  バイナリニューラルネットワーク(BNN)は、ディープニューラルネットワークの複雑さの低減において、その優位性を示している。 主要な障害の1つは、全精度重みベクトルとその二乗ベクトルの間の大きな量子化誤差である。 本稿では,全精度重みベクトルとバイナライズ版との角度アライメントを考慮した回転2成分ニューラルネットワーク(RBNN)を提案する。
  論文  参考訳（メタデータ） (2020-09-28T04:22:26Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。