Applying Random Forests to the Problem of Dense Non-rigid Shape Correspondence
Applying Random Forests to the Problem of Dense Non-rigid Shape Correspondence
复制标题
将随机森林应用于密集非刚性形状对应问题
DOI：
10.1007/978-3-319-24726-7_11
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
D. Cremers
中科院分区：
文献类型：
--
作者：
M. Vestner;E. Rodolà;T. Windheuser;S. Bulò;Rota Bulo;D. Cremers
我们引入了一种新颖的用于可变形三维形状的密集形状匹配方法。与大多数现有技术不同，我们的方法是通用的，因为它允许形状发生远非等距的变形。我们在监督学习框架中执行此操作，该框架利用由一小组示例形状表示的训练数据。从这个集合中，我们学习了形状描述符的隐式表示，捕获给定类中变形的可变性。我们为此任务选择的学习范式是随机森林分类器。在空间正则化器的额外帮助下，所提出的方法比基线方法取得了显着改进，并获得了最先进的结果，同时保持了较低的计算成本。
We introduce a novel dense shape matching method for deformable, three-dimensional shapes. Differently from most existing techniques, our approach is general in that it allows the shapes to undergo deformations that are far from being isometric. We do this in a supervised learning framework which makes use of training data as represented by a small set of example shapes. From this set, we learn an implicit representation of a shape descriptor capturing the variability of the deformations in the given class. The learning paradigm we choose for this task is a random forest classifier. With the additional help of a spatial regularizer, the proposed method achieves significant improvements over the baseline approach and obtains state-of-the-art results while keeping a low computational cost.
登录
查看更多内容
通过高阶统计匹配非刚性形状的 LBO 特征空间
影响因子：
2
作者：
A. Shtern;R. Kimmel
通讯作者：
R. Kimmel
对象对应作为机器学习问题
DOI：
--
发表时间：
2005
期刊：
International Conference on Machine Learning
影响因子：
--
作者：
B. Scholkopf;F. Steinke;V. Blanz
通讯作者：
V. Blanz
利用人工智能（AI）技术和电磁学的优化设计[I]-拓扑优化
DOI：
--
发表时间：
2022
期刊：
電子情報通信学会誌
影响因子：
--
作者：
青柳誠司，上田忠;高橋智一;鈴木昌人;伊藤亘輝，中村健二;五十嵐，伊藤
通讯作者：
五十嵐，伊藤
基于多尺度热核的体积形态特征。
DOI：
10.1007/978-3-319-24574-4_90
发表时间：
2015
期刊：
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
影响因子：
--
作者：
Wang,Gang;Wang,Yalin
通讯作者：
Wang,Yalin