GiNGR:Gaussプロセス回帰を用いた一般化反復非剛体点雲および表面レジストレーション【JST・京大機械翻訳】

Madsen Dennis; Aellen Jonathan; Morel-Forster Andreas; Vetter Thomas; Luethi Marcel

プレプリント

J-GLOBAL ID：202202217493563100 整理番号：22P0306636

GiNGR:Gaussプロセス回帰を用いた一般化反復非剛体点雲および表面レジストレーション【JST・京大機械翻訳】

GiNGR: Generalized Iterative Non-Rigid Point Cloud and Surface Registration Using Gaussian Process Regression

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月18日プレプリントサーバーでの情報更新日： 2022年03月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,一般的なフレームワーク,GiNGRの下で,点集合と表面に対する一般的な非剛体レジストレーション法を統一する。GiNGRは,GaussプロセスMorphableモデル(GPMM)上に構築され,従って,レジストレーションのためのモデル適応から変形をモデリングする。さらに,それは説明可能なハイパーパラメータ,多重解像度登録,エキスパートアノテーションの自明な包含,および分析および統計的変形の事前利用と結合能力を提供する。しかし,より重要なことに,再定式化は登録方法の直接比較を可能にする。最適化ステップで一般ソルバを使用する代わりに,Gaussプロセス回帰(GPR)が反復的にターゲットに参照を縦糸し,任意の高密度,スパース,あるいは部分的推定対応を原理的に行う方法に従って,滑らかな変形を導くことを示した。ポピュラーなCPDとICPアルゴリズムがGiNGRで直接説明できる方法を示した。さらに,著者らは,GiNGRフレームワークにおける既存のアルゴリズムが,単一最良登録の代わりに異なる登録の分布を得るために,確率的レジストレーションを実行することができる方法を示した。これは,部分観測を登録するとき,不確実性を分析するために使用できる。GiNGRは,ドメイン特異的事前構築を可能にするために,公的に利用可能で,完全にモジュールである。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , , , ,

前のページに戻る