Diffused Geodesic Moments: 0.963-os mAP-ot ér el az új 3D-s alakfelismerő
A kutatás az arXiv-on jelent meg, és egy új protokollt vezetett be a 3D-s alakfelismerő rendszerek tesztelésére. A DGM módszerrel elért eredmények a TOSCA adathalmazon készültek.
Az arXiv-on megjelent kutatás új protokollt vezetett be a 3D-s alakfelismerő rendszerek tesztelésére. A Diffused Geodesic Moments (DGM) nevű új módszer 0.963-os mAP-ot ért el a TOSCA adathalmazon, miközben a korábbi rendszerek pontosságát is vizsgálja.
A kutatók szerint a korábbi tesztelési módszerek összekeverték a helyi jeltervezést, normalizálást, aggregációt, kódkönyvillesztést és metrikaválasztást, így nehéz volt az egyes komponensek teljesítményét izolálni. Az új audit protokoll ezt a problémát hivatott orvosolni.
Kapcsolódó: Apple Velox
A DGM egy mag-kondicionált leíró, amely ritka hőt válaszokat számít, majd távolságszerű mezőkké alakítja azokat. Az egyes csúcsokat alacsony rendű momentumokkal összegzi a magok és skálák mentén. A FAUST-Reg és TOSCA benchmarkokon végzett kísérletek azt mutatták, hogy a Geometric Moment Shape Descriptor (GMSD-HKS) baseline 0.621/0.820 és 0.865/0.963 mAP/top-1 pontszámot ért el.
Kapcsolódó: SToRe3D
A tanulmány fő módszertani megállapítása, hogy a bemeneti mező és az aggregációs protokoll dominálhatja a momentumképletet. A kutatás reprodukálható protokoll-kaszkád analízist, valamint cross-shape alignment diagnosztikát is kínál.
Kapcsolódó: Google AlphaEarth
A kutatók konkrét ajánlásokat fogalmaztak meg a tréning nélküli alakfelismerő leírók tervezésére és jelentésére vonatkozóan. A DGM főként akkor hasznos, ha ritka megoldások, nem-spektrális telepítés vagy szimmetria-információt hordozó magkeretek prioritást élveznek.
Kapcsolódó: súlyozott kontrasztív tanulás