交互动力学系统的旋转翻译局部坐标系
建立等变消息传递框架,实现几何深度学习中的任意维度欧几里得空间上的等变信息传递,通过局部坐标框架和张量对象在消息中保持几何信息一致性,并展示了 O (3) 等变性在点云架构上的优势及在法向量回归中的最新成果。
May, 2024
利用双四元数表示 3D 空间中刚体运动,以同时描述旋转和平移,克服了传统代数无法准确编码平移的问题,并在实验证明了该方法在学习对象轨迹方面的有效性。
Oct, 2023
通过学习局部一致性变换和保留局部几何关系,我们在点形状分析中提出了一种具有旋转不变性的局部一致变换学习策略,并通过相对姿态恢复模块来解决中间层网络中相对姿态丢失的问题,实现了在形状分类和部分分割任务中具备任意旋转下的竞争性性能。
Mar, 2024
本文提出了一种可在没有外部坐标系的情况下进行视觉信号处理的算法,该算法实现了变形不变性,对于动物视觉和概念形成以及一般概念形成都具有重要意义。
Mar, 2023
本文提出一种框架,通过引入 SE(2)-group 卷积层在卷积神经网络中编码 SE(2)特殊欧几里得运动群的几何结构,实现了平移和旋转等变性。该结构可以学习具有离散定向维度的特征表示,并确保其输出在离散旋转集下具有不变性。在三种不同的组织病理图片分析任务(有丝分裂检测,细胞核分割和肿瘤分类)上,该框架取得了一致的性能提高。
Feb, 2020
本研究提出了一种新颖的联合语义本地化和场景理解方法,通过训练卷积神经网络,通过物体实例的自我表征和 6-DoF 相机姿态预测来实现 3D 场景坐标估计,并且相比直接姿态回归或基于场景坐标的姿态估计算法更加准确。
Sep, 2019
通过将系统嵌入笛卡尔坐标并使用拉格朗日乘子显式地强制执行约束,本文证明了相较于使用广义坐标来编码系统约束的方法,使用笛卡尔坐标可以在准确度和数据效率方面提高 100 倍。
Oct, 2020
本文提出了一种基于视点分解的新方法,可以从视觉测量中提取抽象模型和目标类别的密集物体中心坐标系,并配有密集等变标记神经网络,可以将图像像素映射到对应的目标坐标系,这种方法可以适用于肢体简单目标和人脸等可变形物体,而不需要手动监督。
Jun, 2017