抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近の学習ベースポイントクラウドレジストレーション法の一般化能力に取り組んだ。それらの成功にもかかわらず,これらのアプローチは,訓練セットでよく表現されないミスマッチ条件に適用するとき,貧弱な性能を持つ傾向がある。これらの環境において,古典的非学習法(例えば,反復最密点)に頼るのは,より良い一般化能力を持っている。ハイブリッド学習法は,点対応を予測し,次にアラインメントのための決定論的ステップを学習するのは,いくつかのレパートを提供するが,それらの一般化能力にはまだ限られている。最新の革新-PointNetLK-を再検討し,解析Jacobiの包含が,学習フレームワークの固有忠実度利益を復元しながら,顕著な一般化特性を示すことを示した。提案手法は,訓練セットに近い実世界テストデータで動作するとき,ミスマッチ条件における最先端技術より優れているだけでなく,現在の学習法に匹敵する結果も生成する。【JST・京大機械翻訳】