HyperAIHyperAI
il y a 17 jours

Apprentissage zéro niveau du jeu de données de fonctions de distance signée de forme dans l'espace des caractéristiques

Amine Ouasfi, Adnane Boukhayma
Apprentissage zéro niveau du jeu de données de fonctions de distance signée de forme dans l'espace des caractéristiques
Résumé

Nous explorons une nouvelle approche pour la reconstruction de formes à partir d’un nuage de points, fondée sur les représentations implicites de formes par réseaux neuronaux récemment popularisées. Nous formulons ce problème comme un apprentissage à peu de exemples (few-shot learning) de fonctions implicites de distance signée dans un espace de caractéristiques, que nous abordons à l’aide d’un méta-apprentissage basé sur les gradients. Nous utilisons un encodeur convolutif pour construire un espace de caractéristiques à partir du nuage de points d’entrée. Un décodeur implicite apprend à prédire des valeurs de distance signée à partir de points représentés dans cet espace de caractéristiques. En considérant le nuage de points d’entrée — c’est-à-dire des échantillons provenant de l’ensemble de niveau zéro de la fonction de forme cible — comme support (c’est-à-dire comme contexte) dans le cadre de l’apprentissage à peu de exemples, nous entraînons le décodeur de manière à ce qu’il puisse adapter ses poids à la forme sous-jacente de ce contexte en seulement cinq étapes d’ajustement (tuning). Ainsi, pour la première fois, nous combinons simultanément deux mécanismes de conditionnement des réseaux neuronaux implicites : le codage par caractéristiques et le méta-apprentissage. Nos évaluations numériques et qualitatives montrent que, dans le contexte de la reconstruction implicite à partir d’un nuage de points épars, la stratégie proposée — à savoir le méta-apprentissage dans l’espace de caractéristiques — surpasser les approches existantes, à savoir l’apprentissage supervisé standard dans l’espace de caractéristiques et le méta-apprentissage dans l’espace euclidien, tout en offrant une inférence rapide.

Apprentissage zéro niveau du jeu de données de fonctions de distance signée de forme dans l'espace des caractéristiques | Articles de recherche récents | HyperAI