論文の概要: Skeleton Extraction from 3D Point Clouds by Decomposing the Object into Parts

• arxiv url: http://arxiv.org/abs/1912.11932v1
• Date: Thu, 26 Dec 2019 20:52:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-10 08:00:23.140532
• Title: Skeleton Extraction from 3D Point Clouds by Decomposing the Object into Parts
• Title（参考訳）: 物体を部品に分解した3次元点雲からの骨格抽出
• Authors: Vijai Jayadevan, Edward Delp, and Zygmunt Pizlo
• Abstract要約: 対象物をその部分へ分解することで,非組織的な点雲から曲線骨格を抽出することを提案する。 我々は、GCの基本特性である翻訳対称性を用いて、点雲から部品を抽出する。 パートベースのアプローチは、ユーザインタラクションのための自然で直感的なインターフェースも提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decomposing a point cloud into its components and extracting curve skeletons from point clouds are two related problems. Decomposition of a shape into its components is often obtained as a byproduct of skeleton extraction. In this work, we propose to extract curve skeletons, from unorganized point clouds, by decomposing the object into its parts, identifying part skeletons and then linking these part skeletons together to obtain the complete skeleton. We believe it is the most natural way to extract skeletons in the sense that this would be the way a human would approach the problem. Our parts are generalized cylinders (GCs). Since, the axis of a GC is an integral part of its definition, the parts have natural skeletal representations. We use translational symmetry, the fundamental property of GCs, to extract parts from point clouds. We demonstrate how this method can handle a large variety of shapes. We compare our method with state of the art methods and show how a part based approach can deal with some of the limitations of other methods. We present an improved version of an existing point set registration algorithm and demonstrate its utility in extracting parts from point clouds. We also show how this method can be used to extract skeletons from and identify parts of noisy point clouds. A part based approach also provides a natural and intuitive interface for user interaction. We demonstrate the ease with which mistakes, if any, can be fixed with minimal user interaction with the help of a graphical user interface.
• Abstract（参考訳）: 点雲をその成分に分解し、点雲から曲線骨格を抽出することは、関連する2つの問題である。 形状をその成分に分解することは、しばしば骨格抽出の副産物として得られる。 本研究では, 対象物をその部分へ分解し, 部分骨格を同定し, それらの部分骨格を連結して完全な骨格を得ることにより, 不整点雲から曲線骨格を抽出することを提案する。 これは、人間がこの問題にアプローチする方法であるという意味で、骨格を抽出する最も自然な方法だと考えています。 我々の部品は一般化シリンダ(gcs)です。 GCの軸はその定義の不可欠な部分なので、その部分は自然な骨格表現を持つ。 我々はGCの基本特性である翻訳対称性を用いて点雲から部品を抽出する。 本稿では,この手法が多種多様な形状を扱えることを示す。 本手法と工法の現状を比較し,パートベースアプローチが他の手法の限界にどう対処できるかを示す。 本稿では,既存のポイントセット登録アルゴリズムの改良版を示し,ポイントクラウドから部品を抽出する際の有用性を示す。 また, この手法を用いて, ノイズの多い点群から骨格を抽出し, 同定する方法を示す。 部分ベースのアプローチは、ユーザインタラクションの自然な直感的なインターフェースも提供する。 グラフィカルユーザインタフェースの助けを借りて,ユーザインタラクションを最小限に抑えることで,ミスの修正が容易になることを示す。

関連論文リスト

• Unsupervised 3D Shape Reconstruction by Part Retrieval and Assembly [36.16249417050003]
  ユーザが提供した3Dパーツのライブラリを用いて形状を分解する。 提案手法は,既存手法よりも高い再現精度と望ましい分解性を示す。
  論文  参考訳（メタデータ） (2023-03-03T15:11:36Z)
• UNIF: United Neural Implicit Functions for Clothed Human Reconstruction and Animation [53.2018423391591]
  そこで本稿では, 生スキャンと骨格を入力として, 人体再構成とアニメーションのパートベース手法を提案する。 本手法は, 部品の監督ではなく, 身体の動きから部品の分離を学習し, 布を被った人間や他の関節の物体に拡張することができる。
  論文  参考訳（メタデータ） (2022-07-20T11:41:29Z)
• EditVAE: Unsupervised Part-Aware Controllable 3D Point Cloud Shape Generation [19.817166425038753]
  本稿では,パートアウェアポイントクラウド生成の問題に対処する。 変分オートエンコーダの簡単な修正により、点雲自体のジョイントモデルが得られる。 歪んだ表現によって得られる柔軟性に加えて、我々のジョイントモデリングアプローチによって導入された帰納バイアスは、ShapeNetデータセットの最先端の実験結果をもたらす。
  論文  参考訳（メタデータ） (2021-10-13T12:38:01Z)
• Unsupervised Pose-Aware Part Decomposition for 3D Articulated Objects [68.73163598790255]
  本研究では,機械的関節を有する人工関節オブジェクトを対象とする新しい環境に対処するため,PD(unsupervised Pose-aware Part Decomposition)を提案する。 本研究は,(1)非原始的な暗黙的表現による部分分解の教師なし学習を促進させ,(2)単一フレーム形状の監督下での協調パラメータとして機能することを示す。
  論文  参考訳（メタデータ） (2021-10-08T23:53:56Z)
• Discovering 3D Parts from Image Collections [98.16987919686709]
  本稿では,2次元画像収集のみによる3次元部分発見の問題に対処する。 そこで我々は,手動で注釈付部品を監督する代わりに,自己監督型アプローチを提案する。 私たちのキーとなる洞察は、前もって新しい部分の形状を学習することで、各部分は、単純な幾何学を持つように制約されたまま、忠実にオブジェクトの形状に適合できるようにします。
  論文  参考訳（メタデータ） (2021-07-28T20:29:16Z)
• Point2Skeleton: Learning Skeletal Representations from Point Clouds [36.62519847312199]
  本稿では,ポイントクラウドから骨格表現を学習するための教師なし手法であるPoint2Skeletonを紹介する。 まず、幾何変換を学習して骨格点の集合を予測し、次に骨格点の接続性を分析して骨格メッシュ構造を形成する。
  論文  参考訳（メタデータ） (2020-12-01T03:04:09Z)
• Non-Rigid Puzzles [50.213265511586535]
  非剛性多部形状マッチングアルゴリズムを提案する。 非剛性変形中の参照形状とその複数の部品が与えられると仮定する。 合成法と実走査法の実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-11-26T00:32:30Z)
• AutoSweep: Recovering 3D Editable Objectsfrom a Single Photograph [54.701098964773756]
  セマンティックな部分で3Dオブジェクトを復元し、直接編集することを目的としている。 我々の研究は、一般化された立方体と一般化されたシリンダーという、2種類の原始的な形状の物体を回収する試みである。 提案アルゴリズムは,高品質な3Dモデルを復元し,既存手法のインスタンスセグメンテーションと3D再構成の両方で性能を向上する。
  論文  参考訳（メタデータ） (2020-05-27T12:16:24Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)
• A novel tree-structured point cloud dataset for skeletonization algorithm evaluation [15.275934615615308]
  我々は、地上の真実のスケルトンやポイントクラウドモデルを含む、まったく新しいツリー構造化のポイントクラウドデータセットを構築します。 4種類のポイントクラウドがクリーンポイントクラウド上に構築されている。ノイズのあるポイントクラウド、データ不足のポイントクラウド、密度の異なるポイントクラウド、密度分布の不均一なポイントクラウドである。 このデータセットは、骨格抽出アルゴリズムの標準データセットとして使用することができる。
  論文  参考訳（メタデータ） (2020-01-09T03:35:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。