論文の概要: Spherical Image Generation from a Single Normal Field of View Image by Considering Scene Symmetry

• arxiv url: http://arxiv.org/abs/2001.02993v1
• Date: Thu, 9 Jan 2020 14:09:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 04:50:46.811491
• Title: Spherical Image Generation from a Single Normal Field of View Image by Considering Scene Symmetry
• Title（参考訳）: シーン対称性を考慮した単一視野正規場からの球面画像生成
• Authors: Takayuki Hara and Tatsuya Harada
• Abstract要約: 本研究では,NFOV画像から球面画像を生成する手法を提案する。 シーン対称性を用いて生成領域の自由度を制御する。 実験の結果,提案手法は対称から非対称に制御された様々な可塑性球面画像を生成することができることがわかった。
• 参考スコア（独自算出の注目度）: 64.04809152763595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spherical images taken in all directions (360 degrees) allow representing the surroundings of the subject and the space itself, providing an immersive experience to the viewers. Generating a spherical image from a single normal-field-of-view (NFOV) image is convenient and considerably expands the usage scenarios because there is no need to use a specific panoramic camera or take images from multiple directions; however, it is still a challenging and unsolved problem. The primary challenge is controlling the high degree of freedom involved in generating a wide area that includes the all directions of the desired plausible spherical image. On the other hand, scene symmetry is a basic property of the global structure of the spherical images, such as rotation symmetry, plane symmetry and asymmetry. We propose a method to generate spherical image from a single NFOV image, and control the degree of freedom of the generated regions using scene symmetry. We incorporate scene-symmetry parameters as latent variables into conditional variational autoencoders, following which we learn the conditional probability of spherical images for NFOV images and scene symmetry. Furthermore, the probability density functions are represented using neural networks, and scene symmetry is implemented using both circular shift and flip of the hidden variables. Our experiments show that the proposed method can generate various plausible spherical images, controlled from symmetric to asymmetric.
• Abstract（参考訳）: 全方向(360度)で撮影された球面画像は、被写体と空間そのものの周囲を表現でき、没入的な体験を視聴者に提供する。 単一正常視野(NFOV)画像から球面画像を生成するのは便利であり、特定のパノラマカメラを使用する必要や複数の方向からの画像を撮影する必要がなくなるため、使用シナリオを大幅に拡張するが、それでも困難な問題であり未解決である。 主な課題は、所望の可算球面画像の全方向を含む広い範囲を生成することに関わる高い自由度を制御することである。 一方、シーン対称性は回転対称性、平面対称性、非対称性のような球面像の大域構造の基本的な性質である。 本研究では,単一NFOV画像から球面画像を生成する手法を提案し,シーン対称性を用いて生成領域の自由度を制御する。 条件付き変分オートエンコーダに潜在変数としてシーン対称性パラメータを組み込み,nfov画像に対する球面画像の条件付き確率とシーン対称性を学習する。 さらに、確率密度関数はニューラルネットワークを用いて表現され、隠れ変数の円形シフトとフリップの両方を用いてシーン対称性が実装される。 実験により,提案手法は対称から非対称まで制御可能な様々な球面画像を生成することができることを示した。

関連論文リスト

• Combining Generative and Geometry Priors for Wide-Angle Portrait Correction [54.448014761978975]
  本稿では, 自然多様体として事前に生成顔をカプセル化して, 顔領域の補正を容易にすることを提案する。 非面の背景には顕著な中心対称性関係が存在するが、補正過程では研究されていない。 この幾何学は、修正過程全体を通して対称性を明示的に強制する新しい制約を導入する動機となる。
  論文  参考訳（メタデータ） (2024-10-13T16:36:52Z)
• SphereDiffusion: Spherical Geometry-Aware Distortion Resilient Diffusion Model [63.685132323224124]
  制御可能な球状パノラマ画像生成は、様々な領域でかなりの応用可能性を持っている。 本稿では,これらの課題に対処するために,SphereDiffusionの新しいフレームワークを提案する。 Structured3Dデータセットの実験では、SphereDiffusionは制御可能な球面画像生成の品質を大幅に改善し、平均して約35%のFIDを相対的に削減している。
  論文  参考訳（メタデータ） (2024-03-15T06:26:46Z)
• Curved Diffusion: A Generative Model With Optical Geometry Control [56.24220665691974]
  最終シーンの外観に対する異なる光学系の影響は、しばしば見過ごされる。 本研究では,画像レンダリングに使用される特定のレンズとテキスト画像拡散モデルを密接に統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-29T13:06:48Z)
• Scale space radon transform-based inertia axis and object central symmetry estimation [4.129225533930965]
  Inertia Axesは、線、角度、セントロイド等から得られる情報を含む場合、画像コンテンツ測定の多くの技術に関与している。 スケール空間ラドン変換(SSRT)の最大値と慣性主軸の一致条件を同定する。 適切なスケールパラメータを選択することで、画像中の埋め込みオブジェクトの位置と方向のSSRT最大値と主軸とを一致させることができることを示す。
  論文  参考訳（メタデータ） (2023-03-22T20:07:27Z)
• SymmNeRF: Learning to Explore Symmetry Prior for Single-View View Synthesis [66.38443539420138]
  単一画像からのオブジェクトの新規なビュー合成の問題について検討する。 既存の手法は、単一ビュービュー合成の可能性を実証している。 ニューラル放射場(NeRF)に基づくフレームワークであるSymphNeRFを提案する。
  論文  参考訳（メタデータ） (2022-09-29T14:35:07Z)
• Equivariant Networks for Pixelized Spheres [19.298369673529255]
  対称性変換の2つのレベル間の相互作用をモデル化する方法を示す。 これらの地図を構築ブロックとして利用するディープネットワークは、ピクセル化された球面上の同変CNNを一般化する。 これらの深層ネットワークは、気候データと全方位画像処理のためのセマンティックセグメンテーションの最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-06-12T01:38:20Z)
• Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
  本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。 画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。 本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2021-04-28T02:00:04Z)
• The Geometry of Deep Generative Image Models and its Applications [0.0]
  generative adversarial networks (gans) は、実世界のデータセットの統計パターンをモデル化する強力な教師なし手法として登場した。 これらのネットワークは、潜在空間内のランダムな入力を学習データを表す新しいサンプルにマップするように訓練される。 潜在空間の構造は、その高い寸法性と発電機の非線形性のために内挿しが困難である。
  論文  参考訳（メタデータ） (2021-01-15T07:57:33Z)

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。