A finite cloud of unlabeled points is the simplest representation of many real objects such as rigid shapes considered modulo rigid motion or isometry preserving inter-point distances. The distance matrix uniquely determines any finite cloud of labeled (ordered) points under Euclidean isometry but is intractable for comparing clouds of unlabeled points due to a huge number of permutations. The past work for unlabeled points studied the binary problem of isometry detection, incomplete invariants, or approximations to Hausdorff-style distances, which require minimizations over infinitely many general isometries. This paper introduces the first continuous and complete isometry invariants for finite clouds of unlabeled points considered under isometry in any Euclidean space. The continuity under perturbations of points in the bottleneck distance is proved in terms of new metrics that are exactly computable in polynomial time in the number of points for a fixed dimension.


翻译:无标签点的有限云层是许多真实物体的最简单表示,例如被视为modulo 硬运动或保持点间距离的等离子体的硬形。 距离矩阵独有地决定Euclidean异度测量下任何标签(有顺序)点的有限云层,但对于因大量变异而比较未标签点的云层来说却十分困难。 未标签点过去的工作研究了异度检测、不完全的异差或接近Hausdorff 式距离的二进制问题,这需要将无限多的普通异米体进行最小化。 本文介绍了在任何欧clidean 空间内考虑的未标签点的有限云层的首次连续和完整的异性异性。 瓶端距离点的扰动下连续性体现在在固定维度的点数的多点数中精确可比较的新度参数上。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
全球首个GNN为主的AI创业公司,募资$18.5 million!
图与推荐
1+阅读 · 2022年4月16日
Twitter大佬在线讲座:GNN through the Lens of Curvature
图与推荐
1+阅读 · 2022年4月12日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
14+阅读 · 2020年12月17日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
全球首个GNN为主的AI创业公司,募资$18.5 million!
图与推荐
1+阅读 · 2022年4月16日
Twitter大佬在线讲座:GNN through the Lens of Curvature
图与推荐
1+阅读 · 2022年4月12日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
相关基金
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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员