VariGrad: A Novel Feature Vector Architecture for Geometric Deep Learning on Unregistered Data

要約

可変勾配 (VariGrad) を利用して 3D 幾何学的データの特徴ベクトル表現を計算する、新しい幾何学的な深層学習層を紹介します。
これらの特徴ベクトルは、分類、登録、形状の再構築など、さまざまな下流の学習タスクで使用できます。
私たちのモデルは、パラメータ化に依存しない幾何学的データの可変表現を使用しているため、特定のサンプリングやパラメータ化とは独立して、データに対してモデルをトレーニングおよびテストすることができます。
提案された VariGrad 層によって実証されるリサンプリングに対する効率、一般化性、および堅牢性を実証します。

要約(オリジナル)

We present a novel geometric deep learning layer that leverages the varifold gradient (VariGrad) to compute feature vector representations of 3D geometric data. These feature vectors can be used in a variety of downstream learning tasks such as classification, registration, and shape reconstruction. Our model’s use of parameterization independent varifold representations of geometric data allows our model to be both trained and tested on data independent of the given sampling or parameterization. We demonstrate the efficiency, generalizability, and robustness to resampling demonstrated by the proposed VariGrad layer.

arxiv情報

著者 Emmanuel Hartman,Emery Pierson
発行日 2023-07-07 12:37:37+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, I.4.0, I.4.5, I.5.1 パーマリンク