Copertina

Roto-Translation Invariant Metrics on Position-Orientation Space

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bellaard, Gijs, Smets, Bart M. N.
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Differential Geometry Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Universal Collection of Euclidean Invariants between Pairs of Position-Orientations
di: Bellaard, Gijs, et al.
Pubblicazione: (2025)

Flow Matching on Lie Groups
di: Sherry, Finn M., et al.
Pubblicazione: (2025)

Analysis and Computation of Geodesic Distances on Reductive Homogeneous Spaces
di: Duits, Remco, et al.
Pubblicazione: (2025)

Optimal Transport on the Lie Group of Roto-translations
di: Bon, Daan, et al.
Pubblicazione: (2024)

Diffusion-Shock Filtering on the Space of Positions and Orientations
di: Sherry, Finn M., et al.
Pubblicazione: (2025)

PDE-CNNs: Axiomatic Derivations and Applications
di: Bellaard, Gijs, et al.
Pubblicazione: (2024)

Interpretable Analytic Calabi-Yau Metrics via Symbolic Distillation
di: Eng, D Yang
Pubblicazione: (2026)

Geometric Learning with Positively Decomposable Kernels
di: Da Costa, Nathael, et al.
Pubblicazione: (2023)

Diffusion-Shock PDEs for Deep Learning on Position-Orientation Space
di: Sherry, Finn M., et al.
Pubblicazione: (2025)

Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
di: Sun, Xingzhi, et al.
Pubblicazione: (2024)

Steerable Neural ODEs on Homogeneous Spaces
di: Andersdotter, Emma, et al.
Pubblicazione: (2026)

Discretized Gradient Flow for Manifold Learning in the Space of Embeddings
di: Gold, Dara, et al.
Pubblicazione: (2019)

Robust Tangent Space Estimation via Laplacian Eigenvector Gradient Orthogonalization
di: Kohli, Dhruv, et al.
Pubblicazione: (2025)

Thinner Latent Spaces: Detecting Dimension and Imposing Invariance with Conformal Autoencoders
di: Kevrekidis, George A., et al.
Pubblicazione: (2024)

Distance Measure Based on an Embedding of the Manifold of K-Component Gaussian Mixture Models into the Manifold of Symmetric Positive Definite Matrices
di: Vishwakarma, Amit, et al.
Pubblicazione: (2025)

Sub-Riemannian Snakes on the Projective Line Bundle with Applications to Segmentation of SEM Images
di: Vis, Leanne, et al.
Pubblicazione: (2026)

Minimising Willmore Energy via Neural Flow
di: Hirst, Edward, et al.
Pubblicazione: (2026)

Principal Component Analysis in Space Forms
di: Tabaghi, Puoya, et al.
Pubblicazione: (2023)

Sasaki Metric for Spline Models of Manifold-Valued Trajectories
di: Nava-Yazdani, Esfandiar, et al.
Pubblicazione: (2023)

Machine Learned Calabi-Yau Metrics and Curvature
di: Berglund, Per, et al.
Pubblicazione: (2022)

Space filling positionality and the Spiroformer
di: Maurin, M., et al.
Pubblicazione: (2025)

Revealing Decurve Flows for Generalized Graph Propagation
di: Lin, Chen, et al.
Pubblicazione: (2024)

Metric Flows with Neural Networks
di: Halverson, James, et al.
Pubblicazione: (2023)

Symbolic Approximations to Ricci-flat Metrics Via Extrinsic Symmetries of Calabi-Yau Hypersurfaces
di: Mirjanić, Viktor, et al.
Pubblicazione: (2024)

Jet Functors and Weil Algebras in Automatic Differentiation: A Geometric Analysis
di: Sangha, Amandip
Pubblicazione: (2025)

Barycentric subspace analysis of network-valued data
di: Maignant, Elodie, et al.
Pubblicazione: (2025)

Learning Beyond Euclid: Curvature-Adaptive Generalization for Neural Networks on Manifolds
di: Sarkar, Krisanu
Pubblicazione: (2025)

Deep Generative Models: Complexity, Dimensionality, and Approximation
di: Wang, Kevin, et al.
Pubblicazione: (2025)

Riemannian Integrated Gradients: A Geometric View of Explainable AI
di: Costanza, Federico, et al.
Pubblicazione: (2025)

Fiber Bundle Networks: A Geometric Machine Learning Paradigm
di: Liu, Dong
Pubblicazione: (2025)

Universal kernels via harmonic analysis on Riemannian symmetric spaces
di: Steinert, Franziskus, et al.
Pubblicazione: (2025)

Tangentially Aligned Integrated Gradients for User-Friendly Explanations
di: Simpson, Lachlan, et al.
Pubblicazione: (2025)

Simultaneous Optimization of Geodesics and Fréchet Means
di: Rygaard, Frederik Möbius, et al.
Pubblicazione: (2025)

Staying on the Manifold: Geometry-Aware Noise Injection
di: Jacobsen, Albert Kjøller, et al.
Pubblicazione: (2025)

Manifold Learning with Normalizing Flows: Towards Regularity, Expressivity and Iso-Riemannian Geometry
di: Diepeveen, Willem, et al.
Pubblicazione: (2025)

Riemannian Variational Flow Matching for Material and Protein Design
di: Zaghen, Olga, et al.
Pubblicazione: (2025)

Hardness of Learning Neural Networks under the Manifold Hypothesis
di: Kiani, Bobak T., et al.
Pubblicazione: (2024)

Cartan moving frames and the data manifolds
di: Tron, Eliot, et al.
Pubblicazione: (2024)

Kernel-Gradient Drifting Models
di: Esteban-Casadevall, Maria, et al.
Pubblicazione: (2026)

Complex normalizing flows can almost be information Kähler-Ricci flows
di: Gracyk, Andrew
Pubblicazione: (2026)