Sep, 2016

卷积方法反射对称性

PDF
TL;DR本文提出了一种基于卷积的方法来检测 2D 中的对称性，使用复值小波卷积乘积简化了之前基于边缘的处理方法，具有参数中心性，适用于先验知识已知的物体，特别是在椭圆检测应用中，该方法在单对称情况下优于 CVPR 2013 对称检测竞赛数据库上表现最佳的算法，代码和新的 2D 对称检测数据库可用。
convolutional approachreflection symmetry detectioncomplex-valued wavelet convolutionsparameter-centeredellipse detection
发现论文，激发创造
  • 基于小波变换的纹理和颜色直方图反射对称检测

    本研究提出了一种基于可靠的基于边缘的特征提取的方案，配合以对应的纹理和颜色邻域信息为参数的投票方案，用以发现图像中的全局对称性。实验验证了该方案在四个单例和三个多例对称检测数据集上表现优异。

    Jul, 2017

  • 从部分点云中循环估计反射对称平面

    该论文提出了一种新的方法，使用二维卷积递归回归方案，通过对高度维度的切片来处理 3D 数据，并设计了一种估计平面对称性的方法，既可以处理完整的数据，也可以处理真实世界的部分扫描数据，以提高三维物体探测器的输出。

    Jun, 2021

  • 通过极化匹配卷积学习发现反射对称性

    使用极线匹配卷积技术，通过引入极向特征汇集、自相似编码和不同角度轴的系统内核设计消除了普通卷积神经网络的旋转和对称不变的限制，并通过数据集增强的自监督学习策略，成功地从真实世界的图像中发现对称图案，证明了该方法具有更高的准确性和鲁棒性。

    Aug, 2021

  • 利用凸优化实现快速单幅图像反射抑制

    本文提出了一种使用凸模型来抑制图像中反射的方法，其包含了梯度阈值的偏微分方程，并使用离散余弦变换高效地求解，通过实验验证其在合成和现实场景中都能够有效地抑制反射并大大减少处理时间。

    Mar, 2019

  • PRS-Net：三维模型平面镜像对称性检测网络

    本文提出了一种基于卷积神经网络的无监督学习框架，以自动发现三维形状的全局平面镜像对称性，并可识别广义圆柱体旋转轴。该方法相较于现有基于采样的方法快数百倍，即使在有噪音或不完整的输入表面数据下也很稳健。

    Oct, 2019

  • 使用可转向卷积将对称性纳入可微规划中

    该论文研究了如何使用群对称性改善端到端可微规划算法的数据效率和泛化能力，当对称性出现在决策任务中时。 通过等变卷积网络的启发，将路径规划问题视为网格上的信号，并表明在此情况下，价值迭代是一个线性的等变算子，即一个（可转向）卷积。 基于 VIN 的实现，使用等变卷积网络来纳入对称性。 在三个路径规划任务和一个工作空间操纵任务中的实验表明，我们的算法较 VIN 和 GPPN 的非等变协方差算法提高了大量的训练效率和泛化能力。

    Jun, 2022

  • 基于位置感知的单张图像反射去除

    本文提出了一种基于位置感知的深度学习单图像去反射新方法，在该网络中，反射检测模块回归一个概率性反射信念图，采用多尺度拉普拉斯特征作为输入，设计了一种递归网络，用于逐步精细调整照射和反射层。

    Dec, 2020

  • 使用旋转等变卷积网络进行高效语义分割

    我们提出了一种语义分割模型，利用旋转和反射对称性，扩展了等变 CNN 框架，通过引入新的等变（G-》Z2）- 卷积和等变转置卷积，实现了对组别特征图的变换与上采样，进而提高了样本效率和鲁棒性，并在癌症转移组织病理图像的多个数据组织方案的旋转等变分割任务上进行了评估，证明了利用更多对称性的高效性。

    Jul, 2018

  • 超越平面对称性：模拟野外环境下人类对反射和旋转对称性的感知

    本论文介绍了 Sym-NET，这是第一个用于检测深度学习神经网络的反射和旋转对称性的模型，在人类感知的对称性、基于图像的计算机视觉竞赛中获得了最佳表现。

    Apr, 2017

  • 快速准确的内在对称性检测

    本文提出了一种基于内在点对称性检测三角网格中对每个点的对称点的方法，并在功能映射框架下建立形状上的函数对应关系，最终基于精简解决方案寻找最短路径测地线上的点对应关系，该方法在对称点的最短路径测地线上的特性的基础上是不变的，且时间复杂度较低，在 SCAPE 数据集上获得了最佳表现，并在 TOSCA 数据集上与最先进的方法具有可比性。

    Jul, 2018