ポイントクラウド自己教師付き表現学習のための暗黙的オートエンコーダ【JST・京大機械翻訳】

Yan Siming; Yang Zhenpei; Li Haoxiang; Song Chen; Guan Li; Kang Hao; Hua Gang; Huang Qixing

プレプリント

J-GLOBAL ID：202202218456109250 整理番号：22P0023022

ポイントクラウド自己教師付き表現学習のための暗黙的オートエンコーダ【JST・京大機械翻訳】

Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2023年08月27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,オートエンコーダベースの自己監督された3D表現学習における陰的表面表現の使用を提案した。最もポピュラーでアクセス可能な3D表現,すなわちポイントクラウドは,基礎となる連続3D表面の離散サンプルを含む。この離散化プロセスは3D形状に関するサンプリング変動を導入し,真の3D形状の移転可能な知識を開発することを困難にする。標準自動符号化パラダイムでは,符号器は3D形状だけでなく,潜在符号への3D形状の特定の離散サンプリングに関する情報も符号化する。これは,復号器によって再構成された点雲が,オリジナルと再構成された点雲の間に完全なマッピングがないならば,容認できないと考えられるためである。本論文では,陰的復号器を用いて,通常使用される点-雲復号器を置き換えることにより,サンプリング変動問題を扱う,単純だが効果的な手法である,陰的自己エンコーダ(IAE)を紹介した。陰的復号器は,3D形状の連続的表現を再構成し,離散サンプルにおける不完全性に依存しない。大規模な実験は,提案したIAEが様々な自己監督学習ベンチマークで最先端の性能を達成することを示した。【JST・京大機械翻訳】

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

ニューロコンピュータ , 図形・画像処理一般 , 人工知能 , 符号理論

, , , , ,

前のページに戻る