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
- AnyLens: A Generative Diffusion Model with Any Rendering Lens [60.339223862292535]
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) - SphereDepth: Panorama Depth Estimation from Spherical Domain [17.98608948955211]
本稿では,新しいパノラマ深度推定法であるSphereDepthを提案する。
プロジェクション前処理なしで球面メッシュ上の深さを直接予測する。
パノラマ深度推定の最先端手法と同等の結果が得られる。
論文 参考訳(メタデータ) (2022-08-29T16:50:19Z) - Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。
我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。
本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
論文 参考訳(メタデータ) (2021-10-11T20:20:03Z) - 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) - PhySG: Inverse Rendering with Spherical Gaussians for Physics-based
Material Editing and Relighting [60.75436852495868]
本稿では、RGB入力画像からジオメトリ、マテリアル、イルミネーションをゼロから再構築する逆レンダリングパイプラインPhySGを紹介します。
我々は合成データと実データの両方を用いて,新しい視点のレンダリングを可能にするだけでなく,物質や照明の物理ベースの外観編集を可能にすることを実証した。
論文 参考訳(メタデータ) (2021-04-01T17:59:02Z) - 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。