项目名称: 数字媒体几何结构的离散化表示与分析方法研究

项目编号: No.61272228

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 刘永进

作者单位: 清华大学

项目金额: 83万元

中文摘要: 数字媒体的大量应用中,都将海量媒体数据视为分布在高维特征空间中低维流形结构上的稠密离散点集。传统的流形结构分析方法和计算方法,都预先假定流形是无穷光滑的,再将k-近邻图或切空间视为光滑流形的一阶近似对求解的问题进行离散化,从而采用数值解法得到近似解。本项申请中提出使用单纯形结构来直接表征高维空间中的低维流形,通过将高维空间中的离散点集连接成单纯复形,避免了传统方法中预先假定光滑流形以及估计黎曼度量的限制。在单纯复形的流形结构表达中,最重要的是得到任意两点间的精确测地距离,本项申请拟将计算几何中连续Dijkstra算法推广到高维单纯复形结构中来计算测地度量,并将几何对象表征、几何查找(点定位和区域查找)和几何优化等计算几何算法应用在单纯复形流形结构中,面向数字媒体分类、流形重构和流形学习等应用研究高效实用算法。提出的研究内容密切结合当前数字媒体技术的发展趋势,具有较大的理论和应用价值。

中文关键词: 测地线;几何结构;数字媒体应用;;

英文摘要: In many applications of digital media computing, the massive media data is treated as a dense point cloud which distributed in a low-dimensional manifold embedded in a very high dimensional feature space. Traditionally the low dimensional manifolds representing media data were assumed to be C^\infty smooth. Then the k-adjacence graph or tangent space are regarded as the first-order approximation of this smooth manifold and the numerical solution is made feasibly by discretizing the problem space; for example, the classic ISMAP method and the level set method. In this proposal, we propose using simplex structure to describe the low-dimensional manifold consisting of sample points. By connecting points into simplicial complex, our proposed modeling approach has several distinguishing advantages when compared to the traditional methods. First, the assumption of C^\infty smoothness is no longer required in our approach. Secondly the Riemannian metric on C^\infty smooth manifold is no longer required in our approach. To achieve these merits, we introduce the continuous Dijkstra algorithm in computational geometry and extend it for computing the exact geodesic in simplicial complex. Given the necessary geodesic metric in simplicial complex, we propose to use computational geometry algorithms including Voronoi diagram,

英文关键词: Geodesic;geometric structure;digital media applications;;

成为VIP会员查看完整内容
0

相关内容

【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
65+阅读 · 2021年12月29日
算法分析导论, 593页pdf
专知会员服务
148+阅读 · 2021年8月30日
专知会员服务
20+阅读 · 2021年8月24日
专知会员服务
21+阅读 · 2021年6月28日
专知会员服务
31+阅读 · 2021年6月24日
专知会员服务
45+阅读 · 2020年11月13日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
【人大】图实现算法综述与评测分析
专知会员服务
37+阅读 · 2020年4月28日
海量文本求topk相似:faiss库初探
AINLP
19+阅读 · 2020年5月29日
【图神经网络入门】GAT图注意力网络
深度学习自然语言处理
28+阅读 · 2020年5月16日
机器学习计算距离和相似度的方法
极市平台
10+阅读 · 2019年9月20日
学会原创 | 自然语言的语义表示学习方法与应用
中国人工智能学会
11+阅读 · 2019年3月7日
SFFAI报告 | 常建龙 :深度卷积网络中的卷积算子研究进展
人工智能前沿讲习班
11+阅读 · 2018年10月22日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
RCNN算法分析
统计学习与视觉计算组
10+阅读 · 2018年1月12日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Automated Data Augmentations for Graph Classification
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
17+阅读 · 2019年3月28日
小贴士
相关VIP内容
【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
65+阅读 · 2021年12月29日
算法分析导论, 593页pdf
专知会员服务
148+阅读 · 2021年8月30日
专知会员服务
20+阅读 · 2021年8月24日
专知会员服务
21+阅读 · 2021年6月28日
专知会员服务
31+阅读 · 2021年6月24日
专知会员服务
45+阅读 · 2020年11月13日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
【人大】图实现算法综述与评测分析
专知会员服务
37+阅读 · 2020年4月28日
相关资讯
海量文本求topk相似:faiss库初探
AINLP
19+阅读 · 2020年5月29日
【图神经网络入门】GAT图注意力网络
深度学习自然语言处理
28+阅读 · 2020年5月16日
机器学习计算距离和相似度的方法
极市平台
10+阅读 · 2019年9月20日
学会原创 | 自然语言的语义表示学习方法与应用
中国人工智能学会
11+阅读 · 2019年3月7日
SFFAI报告 | 常建龙 :深度卷积网络中的卷积算子研究进展
人工智能前沿讲习班
11+阅读 · 2018年10月22日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
RCNN算法分析
统计学习与视觉计算组
10+阅读 · 2018年1月12日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员