Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Centroid for the Paraboloid of Revolution01:16

Centroid for the Paraboloid of Revolution

958
The paraboloid of revolution is an axially symmetric surface generated by rotating a parabola around its axis. This shape has several applications in mechanical engineering due to its advantageous structural properties, such as strength against stress concentration points and rotational symmetry.
The centroid for the paraboloid of revolution is the point where all the mass of the paraboloid is concentrated. This centroid is important for engineering applications, as it determines how forces are...
958
Curvilinear Motion: Normal and Tangential Components01:27

Curvilinear Motion: Normal and Tangential Components

1.0K
When a car traverses a curved road, its motion can be elucidated by breaking it down into tangential and normal components. The car-centric coordinates attached to the vehicle move with it.
The positive direction of the t-axis aligns with the increasing position of the car along the curved path, denoted by the unit vector ut. Simultaneously, the n-axis, perpendicular to the t-axis, dissects the curved path into differential arc segments, each forming the arc of a circle with a radius of...
1.0K
Curvilinear Motion: Rectangular Components01:23

Curvilinear Motion: Rectangular Components

1.4K
Curvilinear motion characterizes the movement of a particle or object along a curved path, notably evident when envisioning a car navigating a winding road. If the car starts at point A, its position vector is established within a fixed frame of reference, where the ratio of the position vector to its magnitude signifies the unit vector pointing in the position vector's direction.
As the car advances, its position evolves over time. Quantifying the car's velocity involves computing the...
1.4K
Curvilinear Motion: Polar Coordinates01:27

Curvilinear Motion: Polar Coordinates

1.1K
In polar coordinates, the motion of a particle follows a curvilinear path. The radial coordinate symbolized as 'r,' extends outward from a fixed origin to the particle, while the angular coordinate, 'θ,' measured in radians, represents the counterclockwise angle between a fixed reference line and the radial line connecting the origin to the particle.
The particle's location is described using a unit vector along the radial direction. Deriving the particle's position...
1.1K
Area Problem01:26

Area Problem

131
Determining the area of a region with straight edges is straightforward, as geometric formulas for rectangles, triangles, and polygons can be applied directly. However, traditional geometric methods are insufficient when a region has a curved boundary, such as the area under a function.fromThe area problem involves finding a systematic way to measure such regions. One approach to solving this problem is through approximation. Instead of attempting to compute the area exactly at the outset, the...
131
Convolution: Math, Graphics, and Discrete Signals01:24

Convolution: Math, Graphics, and Discrete Signals

1.0K
In any LTI (Linear Time-Invariant) system, the convolution of two signals is denoted using a convolution operator, assuming all initial conditions are zero. The convolution integral can be divided into two parts: the zero-input or natural response and the zero-state or forced response, with t0 indicating the initial time.
To simplify the convolution integral, it is assumed that both the input signal and impulse response are zero for negative time values. The graphical convolution process...
1.0K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Human Sweat-Mediated Aggregation of Nanoplastics as a Driver of Dermal Exposure.

Environmental science & technology·2026
Same author

Material-Dependent Toxic Mechanisms of Different Types of Particulate Emerging Contaminants Toward <i>Chlorella vulgaris</i>.

Toxics·2026
Same author

Nurses' Behaviours and Implementation Factors Towards Promoting Mobility Among Hospitalized Older Adults in China: A Mixed Method Study.

Nursing open·2026
Same author

Quantitative assessment of nanoplastic toxicity risks across aquatic trophic levels with data-driven models and exposure experiments.

Environmental pollution (Barking, Essex : 1987)·2026
Same author

Ultra-high-field 7T MRI reveals neural abnormalities of attention networks in relation to cognitive impairment in hypertension.

Brain research·2026
Same author

City-level carbon emissions accounting and mitigation strategies considering urban characteristics: a case study of the Yangtze River Delta region, China.

Carbon balance and management·2026

関連する実験動画

Updated: Mar 1, 2026

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

849

自己注意と曲率に基づくポイントクラウド生成敵対的ネットワーク

Fusheng Sun1,2,3, Chaofan Shen1, Yu Kong1

  • 1School of Computer Science and Technology, North University of China, Taiyuan, China.

PloS one
|February 27, 2026
PubMed
まとめ

新しいSAC-GANモデルは、ノイズと分布の問題に対処することにより、高品質の3Dポイントクラウドを生成します。真正性と詳細において既存の方法よりも優れており、コンピュータビジョンタスクを強化します。

キーワード:
ポイントクラウド生成敵対的生成ネットワーク自己注意機構曲率学習3Dコンピュータビジョン

関連する実験動画

Last Updated: Mar 1, 2026

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

849

科学分野:

  • コンピュータビジョン
  • 3Dデータ処理
  • 機械学習

背景:

  • ポイントクラウドは、セグメンテーションや分類などの3Dデータタスクにとって非常に重要です。
  • 既存のポイントクラウド生成モデルは、ノイズや不均一なポイント分布に苦労しています。
  • ローカルジオメトリックディテールの真正な生成は依然として課題です。

研究 の 目的:

  • 高品質のポイントクラウド生成のための新しい敵対的ネットワーク、SAC-GANを提案すること。
  • 生成されたポイントクラウドの真正性と一貫性を向上させること。
  • ローカルおよびグローバルフィーチャーを抽出するディスクリミネータの能力を向上させること。

主な方法:

  • ShapeNetCoreデータセットを使用して、フィーチャー強化および前処理モジュールを備えたジェネレータを開発しました。
  • ディスクリミネータの損失関数をWasserstein距離と法線ベクトルで調整しました。
  • フィーチャー抽出を改善するために、自己注意機構をディスクリミネータに統合しました。

主要な成果:

  • SAC-GANは、TreeGAN、SP-GAN、PDGN、およびWarpingGANと比較して優れたパフォーマンスを示しました。
  • ジェンセン・シャノンダイバージェンス（JSD）を4.24％削減しました。
  • 最大平均不一致（MMD）を0.8削減し、カバレッジ（COV）を1.25％増加させました。

結論:

  • 提案されたSAC-GANモデルは、高い形状完全性と真正性を持つポイントクラウドを効果的に生成します。
  • 自己注意と曲率学習メカニズムの統合は、生成品質を大幅に向上させます。
  • SAC-GANは、現実的な3Dポイントクラウドデータを生成するための堅牢なソリューションを提供します。