論文の概要: JigSync: Gauge-Resolved Synchronization for Jigsaw Reassembly under Unknown Piece Orientation

• arxiv url: http://arxiv.org/abs/2609.18379v1
• Date: Wed, 16 Sep 2026 09:34:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.73675
• Title: JigSync: Gauge-Resolved Synchronization for Jigsaw Reassembly under Unknown Piece Orientation
• Title（参考訳）: JigSync: 未知のピアース指向下でのJigsawの再アセンブリのためのゲージ解決同期
• Abstract要約: JigSync は GAP-3 と GAP-5 でそれぞれ 63.8% と 31.8% の絶対精度を達成している。 JigSyncは、形状、侵食、光度測定、グリッドサイズ、回転を独立して行うプロトコルです。
• 参考スコア（独自算出の注目度）: 0.6914814187773284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Square jigsaw reassembly requires recovering the spatial arrangement of shuffled fragments from their visual content and pairwise relationships. While recent studies have made substantial progress, existing benchmarks typically assume that all fragments are provided upright, reducing reassembly to a permutation problem. We study the generalized problem in which each fragment may also have gone through an unknown rotation. For this setting we establish a gauge-unobservability theorem: the minimum of the weighted least-squares objective is exactly invariant under a uniform global rotation of arbitrary magnitude, so no residual-based criterion can recover the global orientation. The theorem further identifies how the issue of global orientation can be resolved: an orientation anchor estimated from the content of a single fragment, lying outside its scope, suffices. To address the above, we propose JigSync, which attains 63.8% and 31.8% absolute accuracy (AA) on GAP-3 and GAP-5, respectively, the highest reported on both, while additionally recovering a rotation per piece that neither benchmark requires. We release JigSync, a degradation protocol that sweeps shape, erosion, photometry, grid size, and rotation independently.
• Abstract（参考訳）: 正方形のジグソー再集合は、その視覚的内容と対関係からシャッフルされた断片の空間的配置を復元する必要がある。 最近の研究では大きな進歩を遂げているが、既存のベンチマークでは、すべてのフラグメントが直立していると仮定し、置換問題への再組み立てを減らしている。 それぞれのフラグメントが未知の回転を経た可能性があるような一般化問題について検討する。 重み付き最小二乗目標の最小値は、任意の大きさの均一な大域回転の下で正確に不変であるため、残差ベースの基準は大域方向を回復できない。 この定理はさらに、大域的配向の問題はどのように解決できるかを定めている: 1つの断片の内容から推定される配向アンカーは、その範囲外にあるが、十分である。 このような問題に対処するため,GAP-3 と GAP-5 でそれぞれ 63.8% と 31.8% の絶対精度 (AA) を達成できる JigSync を提案する。 JigSyncは、形状、浸食、光度測定、グリッドサイズ、回転を独立して行う分解プロトコルです。

関連論文リスト

• SeqLoc: Beyond the Single Frame for Cross-View Geo-Localization in Feature-Sparse Scenes [49.30971835891526]
  OpenStreetMap (OSM) を用いたクロスビュージオローカライゼーションは、構造豊かな都市環境では良好に機能するが、農村道路のような特徴の少ないシーンでは崩壊する。 CV-FSSは5つの農村地域の連続パノラマとOSMマップの整列をペアリングするベンチマークである。 次に,3つのキーコンポーネントを持つログ信頼性ボリュームを維持するオンラインテスト時間シーケンスアグリゲーション機構であるSeqLocを提案する。
  論文  参考訳（メタデータ） (2026-08-08T00:42:23Z)
• Enhancing Rotation-Invariant 3D Learning with Global Pose Awareness and Attention Mechanisms [30.575822636142956]
  そこで我々は,学習された共有回転から得られる,一様に一貫した参照点(シャドウと呼ばれる)を持つローカルRI記述子を増強する,シャドウ・インフォームド・ポース・フィーチャー(SiPF)を紹介した。 また,SiPFを特徴集約プロセスに統合した注目ベースの演算子である,回転不変アテンション・コンボリューション(RIAttnConv)を提案する。
  論文  参考訳（メタデータ） (2025-11-11T23:01:28Z)
• Rotation-Invariant Transformer for Point Cloud Matching [42.5714375149213]
  我々は,回転不変変換器であるRoITrを導入し,点クラウドマッチングタスクにおけるポーズ変動に対処する。 本稿では,自己認識機構によって学習した,回転不変なクロスフレーム空間認識を備えたグローバルトランスフォーマーを提案する。 RoITrは、Inlier RatioとRegistration Recallの点で、既存のメソッドを少なくとも13と5のパーセンテージで上回っている。
  論文  参考訳（メタデータ） (2023-03-14T20:55:27Z)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• On the Robustness of Multi-View Rotation Averaging [77.09542018140823]
  解法に$epsilon$-cycle整合項を導入する。 重み低減による誤測定の負の効果を暗黙的に抑制する。 実験の結果,提案手法は様々なベンチマークで芸術の状況よりも優れていた。
  論文  参考訳（メタデータ） (2021-02-09T05:47:37Z)

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。