論文の概要: Curvature Regularized Surface Reconstruction from Point Cloud

• arxiv url: http://arxiv.org/abs/2001.07884v2
• Date: Thu, 10 Sep 2020 03:22:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 18:59:06.900106
• Title: Curvature Regularized Surface Reconstruction from Point Cloud
• Title（参考訳）: 点雲からの曲率正規化表面再構成
• Authors: Yuchen He, Sung Ha Kang, Hao Liu
• Abstract要約: 曲率制約を伴って暗黙的表面を点雲データから再構成する変動関数と高速アルゴリズムを提案する。 提案手法は雑音に反し,曲率制約のないモデルと比較して,凹凸の特徴や鋭い角を回復する。
• 参考スコア（独自算出の注目度）: 4.389913383268497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a variational functional and fast algorithms to reconstruct implicit surface from point cloud data with a curvature constraint. The minimizing functional balances the distance function from the point cloud and the mean curvature term. Only the point location is used, without any local normal or curvature estimation at each point. With the added curvature constraint, the computation becomes particularly challenging. To enhance the computational efficiency, we solve the problem by a novel operator splitting scheme. It replaces the original high-order PDEs by a decoupled PDE system, which is solved by a semi-implicit method. We also discuss approach using an augmented Lagrangian method. The proposed method shows robustness against noise, and recovers concave features and sharp corners better compared to models without curvature constraint. Numerical experiments in two and three dimensional data sets, noisy and sparse data are presented to validate the model.
• Abstract（参考訳）: 曲率制約を伴って暗黙的表面を点雲データから再構成する変動関数と高速アルゴリズムを提案する。 最小化関数は、点雲と平均曲率項との距離関数のバランスをとる。 点位置のみを使用し、各点における局所正規あるいは曲率推定は行わない。 曲率制約の追加により、計算は特に困難になる。 計算効率を向上させるために,新しい演算子分割方式を用いて問題を解く。 従来の高階PDEを半単純法で解いた疎結合PDEシステムに置き換える。 拡張ラグランジアン法によるアプローチについても論じる。 提案手法は雑音に対するロバスト性を示し,曲率制約のないモデルと比較して凹凸特性と鋭角を回復する。 2次元および3次元のデータセットにおける数値実験を行い,そのモデルの有効性を検証した。

関連論文リスト

• CLAP: Concave Linear APproximation for Quadratic Graph Matching [5.417323487240968]
  線形モデルを導入し、グラフマッチングのための新しい近似行列を設計する。 次に、元のQAPを構造制約の凹凸となる線形モデルに変換する。 このモデルはシンクホーン最適輸送アルゴリズムを用いて解くことができる。
  論文  参考訳（メタデータ） (2024-10-22T15:28:18Z)
• Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models [57.52124921268249]
  本稿では,1次と2次の両方の定常点を見つけるための信頼逐次準計画法を提案する。 本手法は, 1次定常点に収束するため, 対象対象の近似を最小化して定義された各イテレーションの勾配ステップを計算する。 2階定常点に収束するため,本手法は負曲率を減少するヘッセン行列を探索する固有ステップも計算する。
  論文  参考訳（メタデータ） (2024-09-24T04:39:47Z)
• Neural-Singular-Hessian: Implicit Neural Representation of Unoriented Point Clouds by Enforcing Singular Hessian [44.28251558359345]
  我々は点雲から表面を再構築するための新しいアプローチを提案する。 提案手法は, 表面近傍の点と表面の射影点との勾配を整列し, わずか数回の反復で粗いが忠実な形状となる。
  論文  参考訳（メタデータ） (2023-09-04T20:10:38Z)
• Constrained Optimization via Exact Augmented Lagrangian and Randomized Iterative Sketching [55.28394191394675]
  等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。 ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-28T06:33:37Z)
• Machine learning algorithms for three-dimensional mean-curvature computation in the level-set method [0.0]
  レベルセット法のためのデータ駆動平均曲率解法を提案する。 提案方式は, 現在の粒子界面再構成よりも高精度な平均曲率推定を行うことができる。
  論文  参考訳（メタデータ） (2022-08-18T20:19:22Z)
• Error-Correcting Neural Networks for Two-Dimensional Curvature Computation in the Level-Set Method [0.0]
  本稿では,2次元曲率をレベルセット法で近似するための誤差ニューラルモデルに基づく手法を提案する。 我々の主な貢献は、需要に応じて機械学習操作を可能にする数値スキームに依存する、再設計されたハイブリッド・ソルバである。
  論文  参考訳（メタデータ） (2022-01-22T05:14:40Z)
• Model reduction for the material point method via learning the deformation map and its spatial-temporal gradients [9.509644638212773]
  この手法は変形軌跡を制限する方法で変形写像を近似することで$textitkinematics$を近似する。 物質点を生成する能力は、応力更新のための適応的な二次規則も可能である。
  論文  参考訳（メタデータ） (2021-09-25T15:45:14Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)

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。