Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

3D Shapes Classification Using Intermediate Parts Representation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17610%2F22%3AA2302G4C" target="_blank" >RIV/61988987:17610/22:A2302G4C - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007/978-3-031-08974-9_34" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-08974-9_34</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-031-08974-9_34" target="_blank" >10.1007/978-3-031-08974-9_34</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    3D Shapes Classification Using Intermediate Parts Representation

  • Popis výsledku v původním jazyce

    We describe a novel approach for 3D shape classification which classifies the shape based on a graph of its parts. To segment out the parts of a given object, we train a shape segmentation network to mimic the segments obtained from an offline co-segmentation method. Using the predicted segments, our approach constructs a spatial graph of the parts which reflects the spatial relations between them. The graph of parts is finally classified by a Tensor Field Network - a type of a graph neural network which is designed to be equivariant to rotations and translations. Therefore, the classification of the spatial graph of parts is not influenced by the choice of the coordinate frame. We also introduce a data augmentation method which is particularly suitable to our setting. A preliminary experimental results show that our method is competitive with the standard approach which does not detect parts as an intermediate step. The intermediate representation of parts makes the whole model more interpretable.

  • Název v anglickém jazyce

    3D Shapes Classification Using Intermediate Parts Representation

  • Popis výsledku anglicky

    We describe a novel approach for 3D shape classification which classifies the shape based on a graph of its parts. To segment out the parts of a given object, we train a shape segmentation network to mimic the segments obtained from an offline co-segmentation method. Using the predicted segments, our approach constructs a spatial graph of the parts which reflects the spatial relations between them. The graph of parts is finally classified by a Tensor Field Network - a type of a graph neural network which is designed to be equivariant to rotations and translations. Therefore, the classification of the spatial graph of parts is not influenced by the choice of the coordinate frame. We also introduce a data augmentation method which is particularly suitable to our setting. A preliminary experimental results show that our method is competitive with the standard approach which does not detect parts as an intermediate step. The intermediate representation of parts makes the whole model more interpretable.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10102 - Applied mathematics

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Information Processing and Management of Uncertainty in Knowledge-Based Systems

  • ISBN

    978-3-031-08974-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

    431-442

  • Název nakladatele

    Springer

  • Místo vydání

  • Místo konání akce

    Milano

  • Datum konání akce

    11. 7. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku