論文の概要: Transform-Aligned Learned Features for Lossy Point Cloud Attribute Compression

• arxiv url: http://arxiv.org/abs/2609.34834v2
• Date: Fri, 02 Oct 2026 13:40:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:29.929045
• Title: Transform-Aligned Learned Features for Lossy Point Cloud Attribute Compression
• Title（参考訳）: Lossy Point Cloud Attribute Compressionのための変換適応型学習機能
• Abstract要約: 変換ベースの手法は、ポイントクラウド属性圧縮のための効果的なフレームワークを提供する。 本研究では,学習空間表現に属性変換を適用することで,変換適応型学習特徴量(TALF)を提案する。 解析の結果, 得られた特徴は滑らかな非線形モデルの1次予測項を正確に表していることがわかった。
• 参考スコア（独自算出の注目度）: 16.572808160959926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transform-based methods provide an effective framework for point cloud attribute compression by representing attributes as transform coefficients. Introducing learned spatial context into this framework requires mapping spatial representations to the transform domain, but this known basis change is often left for the network to learn implicitly. We propose Transform-Aligned Learned Features (TALF) by applying the attribute transform to learned spatial representations, explicitly aligning them with the coding targets. Our analysis shows that the resulting features exactly represent the first-order prediction term of a smooth nonlinear model, with a bounded Taylor remainder. We integrate TALF into a transform-based attribute codec with explicit coefficient prediction and conditional residual entropy modeling under a unified coefficient-domain rate--distortion objective, while retaining explicit quantization-step control. Extensive experiments across three benchmark datasets and multiple transform bases demonstrate that TALF improves rate--distortion performance over conventional and learned baselines.
• Abstract（参考訳）: Transform-based methodは、属性を変換係数として表現することで、ポイントクラウド属性の圧縮に有効なフレームワークを提供する。 このフレームワークに学習された空間コンテキストを導入するには、空間表現を変換領域にマッピングする必要があるが、ネットワークが暗黙的に学習するためには、この既知の基底変更がしばしば残される。 本研究では,学習した空間表現に属性変換を適用し,それを符号化対象と明示的に整合させることにより,変換適応型学習特徴量(TALF)を提案する。 解析によって得られた特徴はスムーズな非線形モデルの1次予測項を正確に表現し、テイラー剰余を有界とすることを示した。 本研究では, 変換型属性コーデックに変換型属性コーデックを組み込み, 明確な量子化ステップ制御を保ちながら, 統一された係数領域速度-歪み目標の下で条件付き残差エントロピーモデリングを行う。 3つのベンチマークデータセットと複数のトランスフォーメーションベースにわたる大規模な実験は、TALFが従来のベースラインや学習ベースラインよりも速度歪み性能を改善することを示した。

関連論文リスト

• Tabular Numeric Stretch Transformation [20.711486560984188]
  最適化問題として,数値特徴前処理を定式化するストレッチ変換フレームワークを導入する。 TALENTベンチマークの38データセットにおいて,教師付きストレッチがすべて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） (2026-08-10T06:16:41Z)
• WUSH: Near-Optimal Adaptive Transforms for LLM Quantization [52.77441224845925]
  低ビット幅への量子化は、大きな言語モデルをデプロイするための標準的なアプローチである。 いくつかの極端な重みと活性化は、ダイナミックレンジを拡張し、量子化器の有効分解能を減少させる。 結合重みアクティベーション量子化のための閉形式最適線形ブロックワイズ変換を初めて導出する。
  論文  参考訳（メタデータ） (2025-11-30T16:17:34Z)
• $\boldsymbolλ$-Orthogonality Regularization for Compatible Representation Learning [48.264642951728085]
  検索システムは、ますます強力なモデルによって学習される表現に依存している。 学習表現における学習コストと不整合のため、表現間のコミュニケーションを促進することには大きな関心がある。
  論文  参考訳（メタデータ） (2025-09-20T12:35:07Z)
• Geometrically Constrained and Token-Based Probabilistic Spatial Transformers [5.437226012505534]
  我々は、トランスフォーマーベースのビジョンパイプラインの標準化ツールとして、空間トランスフォーマーネットワーク(STN)を再考する。 本稿では、堅牢性を向上させる確率的、コンポーネントワイドな拡張を提案する。 本手法が他のSTNと比較して頑健さを常に向上することを示す。
  論文  参考訳（メタデータ） (2025-09-14T11:30:53Z)
• PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
  PseudoNeg-MAEは、ポイントクラウドマスマスキングオートエンコーダのグローバルな特徴表現を強化する。 本研究では,ネットワークが識別的表現を保ちながら,よりリッチな変換キューをキャプチャできる新たな損失を提案する。
  論文  参考訳（メタデータ） (2024-09-24T07:57:21Z)
• EqNIO: Subequivariant Neural Inertial Odometry [33.96552018734359]
  重力ベクトルの周りで回転すると、IMUデータは等変的に変形し、重力に平行な任意の平面に対して反射することを示す。 そして、IMUデータをこのフレームにマッピングし、既製の慣性オドメトリーネットワークで直接使用できる不変な正準化を実現する。
  論文  参考訳（メタデータ） (2024-08-12T17:42:46Z)
• Deterministic Decoupling of Global Features and its Application to Data Analysis [0.0]
  部分多様体上の変換の定義に基づく新しい定式化を提案する。 これらの変換を通じて正規化を定義し、それを実証することで、微分可能な特徴を分離することができる。 本手法を,グローバルな記述子に基づく回帰・分類問題に対して,元のデータ領域とフィルタバンクの出力に適用する。
  論文  参考訳（メタデータ） (2022-07-05T15:54:39Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)
• Topographic VAEs learn Equivariant Capsules [84.33745072274942]
  本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。 このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。 我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
  論文  参考訳（メタデータ） (2021-09-03T09:25:57Z)

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。