論文の概要: Cepheid: Decoupling Scale from Structure for Cross-Family Motion Completion
- arxiv url: http://arxiv.org/abs/2610.18871v1
- Date: Tue, 13 Oct 2026 17:59:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:19:28.253769
- Title: Cepheid: Decoupling Scale from Structure for Cross-Family Motion Completion
- Title（参考訳）: Cepheid: クロスファミリモーションコンプリートのための構造から切り離されたスケール
- Abstract要約: ある幾何学系で訓練された残留先行性は、しばしば家族外の調和拡張に打ち勝つことができない。
我々は、無次元の事前学習と観測値からの振幅推定により、残留構造を物理的スケールから切り離す。
我々の統一モデルは、骨格、登録、およびクロスメッシュ対応なしで、目に見えない布や脚のある体を含むすべての評価された家族にまたがるハーモニックな拡張を超越している。
- 参考スコア（独自算出の注目度）: 9.788972240862103
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sparse-to-dense motion completion recovers dense mesh motion from sparse vertex displacements. Residual priors trained on one geometry family frequently fail to beat parameter-free harmonic extension off-family. Moreover, cross-family training meets a scaling barrier: residual amplitude varies by more than an order of magnitude across geometry families and collapses as observations become denser. Since this scale depends on unknown target motion, it cannot be measured directly at test time. We decouple residual structure from physical scale by learning a dimensionless prior, estimating amplitude from observables and a lightweight correction fitted only on training sources. Our unified model surpasses harmonic extension across all evaluated families, including unseen cloth and legged bodies, without skeletons, registration, or cross-mesh correspondence. The same prior applies without retraining to point-tracked animal video and a robot grasping a soft body. Project page: https://su-terry.github.io/cepheid-website/
- Abstract（参考訳）: スパース・トゥ・デンス・モーション・コンプリートはスパース・頂点変位から高密度メッシュ・ムーブメントを回復する。
ある幾何学系で訓練された残差は、パラメータフリーな調和拡張をオフファミリーで打ち負かさないことが多い。
さらに、家族間のトレーニングはスケーリング障壁に到達し、残差振幅は幾何系で1桁以上変化し、観測がより密化するにつれて崩壊する。
このスケールは未知の目標運動に依存するため、テスト時に直接測定することはできない。
我々は、無次元の事前学習、可観測物からの振幅推定、およびトレーニングソースにのみ適合した軽量な補正により、残留構造を物理的スケールから切り離す。
我々の統一モデルは、骨格、登録、およびクロスメッシュ対応なしで、目に見えない布や脚のある体を含むすべての評価された家族にまたがるハーモニックな拡張を超越している。
同じことは、ポイントトラッキングされた動物ビデオやソフトボディをつかむロボットに再トレーニングすることなく適用できる。
プロジェクトページ: https://su-terry.github.io/cepheid-website/
関連論文リスト
- UniMetric: Universal Metric Scale Recovery for Visual Geometry Foundation Models [19.448764509766402]
We present UniMetric, a universal and training-free metric scale recovery framework for geometry foundation model。
既知オブジェクトの未確定サイズは,再構成の共有スケールを協調的に制約できることを示す。
また,12のエンボディ,運転,路面部分集合をセンサ由来の地上真実で包含するMetricBenchを提示する。
論文 参考訳（メタデータ） (2026-10-12T15:18:47Z) - JtT: Rethinking Point Trajectory Diffusion for Diverse and Rigid Motion from an Image [67.09340259579761]
単体画像からの剛体運動の予測について検討した。
我々のモデルであるJtTは座標空間で直接動作する単純な拡散変換器である。
モデルランキングは,モデルのサイズ,メートル法,停止時間にどのように依存するかを示し,より厳密なチェックポイント平均評価プロトコルを採用する。
論文 参考訳（メタデータ） (2026-10-12T11:13:37Z) - ArticulateArena: A Metric for Articulated Kinematics [56.23391152623764]
ArticulateArenaは、調音のためのチャンファー距離の表現不変である。
これは、それを符号化するパラメータではなく、1-DOF関節の運動を比較する。
ArticulateArena-20Kは19,977個の調音されたオブジェクトからなる新しいスイートで、キネマティクスを検証する。
論文 参考訳（メタデータ） (2026-09-27T21:19:22Z) - CorrelationFlow: A Training-Free Geometric Approach for LiDAR Scene Flow Estimation [15.48783554823151]
相関フローは, 鳥の目視画像における連結成分ラベリングと相関という, シーンフローを2つの操作に還元する。
境界鍵点における軽量占有記述子をマッチングすることにより,一組のスイープペア上で動作可能なスパース対の開発を行う。
この結果から,シーンフロー問題の大部分を古典的コンピュータビジョンで解けることが示唆された。
論文 参考訳（メタデータ） (2026-07-31T10:14:08Z) - Improving Neural Network Training by Decoupling the Magnitude and Direction of Weight Vectors [110.10775872372047]
EmphMagnitude-Direction-Direction (MD) Decouplingを提案する。
これは、各重量をハイパースフィア上の固定ノルム方向に分解し、学習可能な1ローとカラムごとのマグニチュードゲインを、別々の学習速度で更新する。
アダムとムーンの双方で、MD Decouplingはよく調整されたベースラインを改善し、モデルの幅を調整せずに最適なLRを転送し、大規模なMixture-of-Expertsモデルのスケールに役立っている。
論文 参考訳（メタデータ） (2026-06-24T15:40:26Z) - Artic-O: End-to-End Articulated Object Reconstruction via Latent Geometry Learning [105.35529379360186]
Artic-Oは、音声によるオブジェクト再構成のためのエンドツーエンドのフィードフォワードフレームワークである。
スパース多状態観測を事前訓練された潜在幾何学空間にマッピングする。
凍結したフローマッチングデコーダは、可視構造と隠蔽構造の回復に先立って完全な形状を提供する。
論文 参考訳（メタデータ） (2026-06-20T08:15:30Z) - SCAPO: Self-Supervised Category-Level Articulated Pose Estimation from a Single 3D Observation [54.98864436812187]
本稿では,1つのRGB-D観測から標準幾何,剛部分セグメンテーション,関節ピボット,軸,調音状態を推定する自己教師型フレームワークを提案する。
合成および実調音オブジェクトデータセットの実験により、SCAPOは、一貫した部分構造と正確な調音パラメータを復元し、全ての自監督ベースラインを上回ります。
論文 参考訳（メタデータ） (2026-06-01T09:04:49Z) - Phantom transitions in language model fine-tuning [0.0]
ほぼ同期の競合相手とコンテキスト上で言語モデルを微調整することは、しばしばサイレントに失敗する。
2つのファミリーにまたがる5つの変圧器アーキテクチャと5つのパラメータ範囲にまたがるこの構造について検討する。
位相遷移に類似した順序パラメータにおいて,鋭いカタパルト様ジャンプを観察する。
論文 参考訳（メタデータ） (2026-05-25T10:44:42Z) - Learning Pure Quantum States in Any Dimension (Almost) Without Regret [12.103414068933555]
我々は、[arXiv:2406.18370]で最初に研究された最小累積障害を伴う量子状態トモグラフィーを、任意の有限次元純状態に拡張する。
累積乱れのない純状態トモグラフィーは、キュービットの特異性ではなく、キューディットに持続する幾何学的現象であることを示す。
論文 参考訳（メタデータ） (2026-05-09T15:56:17Z) - Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。
従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
論文 参考訳（メタデータ） (2023-03-13T13:06:40Z)
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。