論文の概要: Kinematic Causal Attribution: Black-Box Explanations of Motion versus Geometry for 4D Point-Cloud Video Models

• arxiv url: http://arxiv.org/abs/2610.39147v1
• Date: Thu, 29 Oct 2026 01:36:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 07:46:45.632281
• Title: Kinematic Causal Attribution: Black-Box Explanations of Motion versus Geometry for 4D Point-Cloud Video Models
• Title（参考訳）: Kinematic Causal Attribution: 4次元ポイントクラウドビデオモデルにおける動きと幾何学のブラックボックス記述
• Abstract要約: 3Dの帰属は単一フレーム、ビデオの帰属はRGBピクセルに限定され、点レベルの摂動は実際の深さとLiDARデータに欠けているフレーム間の点対応を仮定する。 モデル出力のみを問うブラックボックスであるKCA(Kinematic Causal Attribution)を提案する。 MSR-Action3Dでトレーニングした公式PSTNet,P4Transformer,Mamba4D上でKCAを検証する。
• 参考スコア（独自算出の注目度）: 3.329889171806966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 4D perception models, which classify 3D point-cloud videos, are being built into robots, assistive monitoring and AR, yet before deploying one a practitioner cannot check which cue it relies on: how a body part moves, or what shape it has. 3D attribution is single-frame, video attribution is confined to RGB pixels, gradient maps need white-box access, attention is absent from state-space backbones, and point-level perturbations assume a point correspondence across frames that real depth and LiDAR data lack. We present Kinematic Causal Attribution (KCA), a black-box, interventional attribution method that queries only the model's outputs. Its freeze operator removes a region's motion while keeping its shape, and a shape-free proxy removes the shape while keeping the motion. Together they span a motion$\times$geometry cube for every tracked region, whose order-symmetric Shapley decomposition is complete and whose interaction is measured rather than assumed away. The operators rewrite per-frame point sets, so they need no correspondences, and a context-averaged estimator handles structures that span several regions. We validate KCA on the official PSTNet, P4Transformer and Mamba4D trained on MSR-Action3D. The decisive test is an audit: two binary tasks are built from real clips whose classes differ only in the motion or only in the shape of the same arm, and the motion share of the arm's importance follows the defining cue on all three backbones (0.83 vs. 0.60 on P4Transformer, 0.86 vs. 0.30 on PSTNet, 0.92 vs. 0.61 on Mamba4D), a distinction no single attribution map can make. The split costs no faithfulness: the necessity maps have the lowest deletion AUC on P4Transformer and PSTNet, tie with the best baseline on Mamba4D, and lose their correlation with the trained model's once the weights are randomised. Skeleton ground truth, re-sampling stability and cost complete the validation.
• Abstract（参考訳）: 3Dポイントクラウド動画を分類する4D知覚モデルは、ロボット、補助的な監視、そしてARに構築されている。 3D属性はシングルフレーム、ビデオ属性はRGBピクセルに限られ、勾配マップはホワイトボックスアクセスを必要とし、状態空間のバックボーンに注意が欠如し、点レベルの摂動は、実際の深さとLiDARデータが欠落しているフレーム間で点対応を仮定する。 モデル出力のみを問うブラックボックスであるKCA(Kinematic Causal Attribution)を提案する。 フリーズオペレーターは、その形状を維持しながら領域の動きを除去し、形状のないプロキシは動きを維持しながら形状を除去する。 共に運動$\times$geometry(英語版) の立方体(英語版)で、次数対称のシャプリー分解が完備であり、相互作用が仮定されるよりもむしろ測定される。 演算子はフレーム単位の点集合を書き換えるため、対応は不要であり、コンテキスト平均推定器は複数の領域にまたがる構造を扱う。 MSR-Action3Dでトレーニングした公式PSTNet,P4Transformer,Mamba4D上でKCAを検証する。 決定的なテストは監査である:2つのバイナリタスクは、実際のクリップから作られており、そのクラスは、同じ腕の形だけが異なる。アームの重要度は、3つのバックボーン(P4Transformerでは0.83対0.60、PSTNetでは0.86対0.30、Mamba4Dでは0.92対0.61)で決定されたキューに従っている。 必要マップはP4TransformerとPSTNetで最小の削除AUCを持ち、Mamba4Dで最高のベースラインと結びつき、重みがランダム化されるとトレーニングされたモデルとの相関を失う。 骨格の基礎的真実、安定性の再サンプリングとコストが検証を完了します。

関連論文リスト

• Analytic Robot Self-Model: Learning Screw-Axis Kinematics for Rendering and Model-Based Control [12.200455767154663]
  本稿では,変形ネットワークもURDF/CADテンプレートも必要としない,明示的な解析ロボットの自己モデルを提案する。 模擬7軸アーム, 模擬12関節四重組, 実6軸アームでモデルを検証した。 ミレニアムレベルのリーチとピック・アンド・プレイス、クローズドループの四足歩行を実現している。
  論文  参考訳（メタデータ） (2026-10-11T12:01:03Z)
• PointCast: One World Model for Rigid, Articulated, and Deformable Object Manipulation [9.565234850850489]
  PointCastは、厳密で明瞭で変形可能なオブジェクト操作にまたがるポイントセットの世界モデルである。 その状態は、オブジェクトとエンドエフェクタ、メッシュフリー、トポロジーに依存しない3Dポイントのセットである。 19.8Mパラメータのこの1つのアーキテクチャと1つのトレーニングレシピは、4つのレシエーション、剛体オブジェクト、布、ロープ、多関節キャビネットをカバーしている。
  論文  参考訳（メタデータ） (2026-09-23T17:02:18Z)
• Disparity Has a Sign: Stereo Matching Beyond the Zero-Disparity Plane [52.210414985125816]
  立体視内容が、負の相違に対応するゼロの相違面の背後にある物体をどう含んでいるかを示す。 撮影者が作成した7本の公開映画から21,495ドルのステレオペアのベンチマークである textitZDPShift を提案する。 同じシーンコンテンツでは、ファンデーションは25.24ドルEPEから75.33ドルpxに上昇し、すべてのバックボーンが3ピクセルの差分誤差を超えるピクセルの約半分を残している。
  論文  参考訳（メタデータ） (2026-09-06T19:58:35Z)
• Dancing Stick Figures: An Introductory Dataset for Training Video Generation Models [0.0]
  Dancing Stick Figuresは,3つの障害に対して構築された合成ビデオデータセットだ。 スピードに関しては、64x64の64フレーム参照タスクは、単一のワークステーションGPUで実際に繰り返しトレーニングするためにサイズが大きすぎる。 アクセシビリティーのために、このリリースは4,020本のビデオクリップ-1,340本の6秒のソースモーションの0.79GBのトレーニングティアである。
  論文  参考訳（メタデータ） (2026-08-29T08:03:19Z)
• RigidBench: Evaluating Rigid-Body Physics in Video Generation Models [16.53417077740312]
  そこで本研究では,生成した継続と参照ロールアウトを同一の初期フレームと動作記述から比較したシミュレータグラウンドベンチマークを提案する。 同じ100の例で8つのモデルを評価し、これらの側面を分離する10の計測を行った。 完全な微調整により3次元軌道誤差は約20%減少し、SSIMはほとんど変化しない。
  論文  参考訳（メタデータ） (2026-08-16T06:05:20Z)
• KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
  エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです 既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。 IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
  論文  参考訳（メタデータ） (2026-07-22T08:04:17Z)
• Trace Anything: Representing Any Video in 4D via Trajectory Fields [98.85848134960172]
  軌道場 (Trajectory Field) は、各フレーム内の各ピクセルに時間の連続した3次元軌跡関数を割り当てる密集写像である。 我々は,1つのフィードフォワードパスで軌道場全体を予測するニューラルネットワークであるTrace Anythingを紹介する。 私たちは、新しいプラットフォームからのデータを含む大規模な4Dデータに基づいて、Trace Anythingモデルをトレーニングしました。
  論文  参考訳（メタデータ） (2025-10-15T17:59:04Z)
• 3DPCNet: Pose Canonicalization for Robust Viewpoint-Invariant 3D Kinematic Analysis from Monocular RGB cameras [7.906702226082628]
  3DPCNetは3Dジョイント座標で直接動作するコンパクトな推定器に依存しないモジュールである。 本手法は,地中構造IMUセンサデータと強い視覚的対応を示すビデオから加速度信号を生成する。
  論文  参考訳（メタデータ） (2025-09-27T18:55:21Z)
• DDM: A Metric for Comparing 3D Shapes Using Directional Distance Fields [98.15456815880911]
  既存の手法は主に2つのモデル間の対応を直接確立することに焦点を当てている。 本稿では,3次元幾何データに対する効率的,効率的,堅牢,かつ微分可能な距離測定法であるDDMを提案する。 一般的な距離計量として、DDMは3次元幾何モデリングの分野を前進させる可能性がある。
  論文  参考訳（メタデータ） (2024-01-18T05:31:53Z)
• HAA4D: Few-Shot Human Atomic Action Recognition via 3D Spatio-Temporal Skeletal Alignment [62.77491613638775]
  本稿では,300以上の原子行動クラスに3,300本以上のビデオからなる新しい4D HAA4Dデータセットを提案する。 アトミックアクションの選択は、各ビデオクリップがわずか数秒しか続かないため、アノテーションをより簡単にする。 HAA4Dのすべての3D骨格のトレーニングとテストは、同じグローバル空間に深いアライメントモデルを使用して、グローバルにアライメントされている。
  論文  参考訳（メタデータ） (2022-02-15T10:55:21Z)
• Learning 2D-3D Correspondences To Solve The Blind Perspective-n-Point Problem [98.92148855291363]
  本稿では、6-DoFの絶対カメラポーズ2D--3D対応を同時に解決するディープCNNモデルを提案する。 実データとシミュレーションデータの両方でテストした結果,本手法は既存手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-03-15T04:17:30Z)

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。