Résumé - Modèle de Mumford-Shah régularisé par la variation totale généralisée relaxée et piecewise smooth pour la segmentation de surfaces triangulées

Titre
Modèle de Mumford-Shah régularisé par la variation totale généralisée relaxée et piecewise smooth pour la segmentation de surfaces triangulées

Temps
2025-07-25 14:00:32

Auteur
{"Huayan Zhang","Shanqiang Wang","Xiaochao Wang"}

Catégorie
{cs.CG,cs.CV}

Lien
http://arxiv.org/abs/2507.19284v1

PDF Lien
http://arxiv.org/pdf/2507.19284v1

Résumé

Le paper propose une méthode novatrice pour la segmentation de maillages appelée le "Modèle de Mumford-Shah régularisé par une variation totale généralisée relâchée et piecewise smooth pour la segmentation de surfaces triangulées". Cette méthode vise à améliorer la qualité des frontières de la segmentation de maillages, au lieu de minimiser simplement la longueur des frontières comme le faisaient les méthodes précédentes. L'idée clé consiste à combiner le modèle de Mumford-Shah piecewise smooth (MS) avec la régularisation de la variation totale généralisée relâchée (rTGV). Le modèle MS approxime la fonction de caractéristique d'un maillage par une somme de fonctions constantes piecewise et smooth, tandis que la régularisation rTGV capte les discontinuités de haut degré dans la structure géométrique. Les avantages de cette méthode incluent : - Amélioration de la qualité des frontières : La régularisation rTGV permet une meilleure gestion des structures irregulières et une obtention de frontières de segmentation plus significatives. - Robustesse : La méthode est moins sensible à l'initialisation et peut produire des résultats cohérents sur différents ensembles de données. - Efficiacité : Le problème d'optimisation est résolu en utilisant la minimisation alternée et la méthode des multiplicateurs directs alternatifs (ADMM), ce qui fournit une solution computationally efficace. Le paper fournit des résultats expérimentaux extensifs démontrant l'efficacité de la méthode proposée par rapport à d'autres méthodes de segmentation de pointe comme Isoline Cut, WCSeg, PCMS, Spectral L0 et les méthodes basées sur l'apprentissage. Les résultats montrent que la méthode proposée produit de meilleures frontières de segmentation et atteint des résultats concurrents sur le Benchmark de segmentation de Princeton. En résumé, le paper présente une méthode novatrice et efficace pour la segmentation de maillages en utilisant le modèle de Mumford-Shah régularisé par rTGV piecewise smooth. La méthode apporte une amélioration de la qualité des frontières et une robustesse par rapport aux méthodes précédentes, en devenant une outil précieux pour les applications de modélisation géométrique et de graphisme informatique.


Articles Recommandés

Pierre vers un démonstrateur d'accélérateur ECRIPAC

Baryonification : Une alternative aux simulations hydrodynamiques pour les études cosmologiques

Manifolds with kinks et le comportement asymptotique de l'opérateur laplacien graphique avec noyau gaussien

Simuler l'évolvabilité comme algorithme d'apprentissage : Enquêtes empiriques sur la sensibilité aux distributions, la robustesse et les compromis liés aux contraintes

L'Impact du Melange des Langues sur la Raisonnement des Modèles de Langue Multilingues

Recherche de leptons neutres lourds dans les décays de $\pi^+$ en positrons

Découverte manquante en physique grâce à l'apprentissage automatique basé sur des éléments finis à différentiabilité complète

Temporisation de la génération harmonique secondaire dans les ferrélectriques par un champ électrique impulsionnel

Observable des arbres de couverture aléatoires dans un environnement aléatoire

Sur certaines propriétés intégrales des dimensions dans les catégories de fusion d'Isaacs