論文の概要: The Whole Is Greater Than the Sum of Its Nonrigid Parts
- arxiv url: http://arxiv.org/abs/2001.09650v1
- Date: Mon, 27 Jan 2020 09:48:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 08:08:03.195271
- Title: The Whole Is Greater Than the Sum of Its Nonrigid Parts
- Title(参考訳): 全体は非剛性部分の総和よりも大きい
- Authors: Oshri Halimi, Ido Imanuel, Or Litany, Giovanni Trappolini, Emanuele
Rodol\`a, Leonidas Guibas, Ron Kimmel
- Abstract要約: 我々は、以前に取得された対象の観察部分については、部分的なマッチングと形状の完備化の両方を扱うことができると主張している。
部分的な観察から新たなポーズを再構築しながら,部分と全体とのマッチングの問題に対処する。
単視点変形可能な形状完備化と高密度形状対応の適用において,本モデルの有効性を実証する。
- 参考スコア(独自算出の注目度): 19.003942423980448
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: According to Aristotle, a philosopher in Ancient Greece, "the whole is
greater than the sum of its parts". This observation was adopted to explain
human perception by the Gestalt psychology school of thought in the twentieth
century. Here, we claim that observing part of an object which was previously
acquired as a whole, one could deal with both partial matching and shape
completion in a holistic manner. More specifically, given the geometry of a
full, articulated object in a given pose, as well as a partial scan of the same
object in a different pose, we address the problem of matching the part to the
whole while simultaneously reconstructing the new pose from its partial
observation. Our approach is data-driven, and takes the form of a Siamese
autoencoder without the requirement of a consistent vertex labeling at
inference time; as such, it can be used on unorganized point clouds as well as
on triangle meshes. We demonstrate the practical effectiveness of our model in
the applications of single-view deformable shape completion and dense shape
correspondence, both on synthetic and real-world geometric data, where we
outperform prior work on these tasks by a large margin.
- Abstract(参考訳): 古代ギリシアの哲学者アリストテレスによると、「全体はその部分の総和よりも大きい」という。
この観察は、20世紀のゲシュタルト心理学派による人間の知覚を説明するために採用された。
ここでは、以前に取得された対象の観察部分について、部分的マッチングと形状完備化の両方を包括的に扱うことができると主張している。
より具体的には、与えられたポーズにおける完全な明瞭な物体の幾何学と、異なるポーズにおける同じ物体の部分的なスキャンを考えると、我々はその部分的な観察から新しいポーズを同時に再構築しながら、部分的なポーズを全体とマッチングする問題に対処する。
私たちのアプローチはデータ駆動であり、推論時に一貫した頂点ラベリングを必要とせずに、siameseオートエンコーダの形式をとります。
本研究は, 合成データと実世界の幾何学データの両方において, 単視変形可能な形状完了と密接な形状対応の応用において, モデルの有効性を実証するものである。
関連論文リスト
- ShapeMatcher: Self-Supervised Joint Shape Canonicalization,
Segmentation, Retrieval and Deformation [47.94499636697971]
本稿では,関節形状の正準化,分節化,検索,変形を行うための自己教師型学習フレームワークであるShapeMatcherを提案する。
ShapeMakerの重要な洞察は、標準化、セグメンテーション、検索、変形という4つの高関連プロセスの同時トレーニングである。
論文 参考訳(メタデータ) (2023-11-18T15:44:57Z) - U-RED: Unsupervised 3D Shape Retrieval and Deformation for Partial Point
Clouds [84.32525852378525]
教師なし形状検索および変形パイプラインであるU-REDを提案する。
任意のオブジェクトの観察を入力として受け取り、通常RGBの画像やスキャンによってキャプチャされ、幾何学的に類似したCADモデルを共同で検索して変形する。
我々は,U-REDが既存の最先端アプローチを47.3%,16.7%,31.6%で上回っていることを示す。
論文 参考訳(メタデータ) (2023-08-11T20:56:05Z) - 3D Shape Perception Integrates Intuitive Physics and
Analysis-by-Synthesis [39.933479524063976]
典型例と非典型例の両方で知覚を説明する3次元形状知覚フレームワークを提案する。
以上の結果から,ボトムアップ型ディープニューラルネットワークモデルでは,人間の形状知覚が十分に考慮されていないことが示唆された。
論文 参考訳(メタデータ) (2023-01-09T23:11:41Z) - Single-view 3D Body and Cloth Reconstruction under Complex Poses [37.86174829271747]
既存の暗黙の関数ベースモデルを拡張して、任意のポーズと自己排他的な手足を持つ人間の画像を扱う。
入力画像を低精細度で3次元のボディ形状にマッピングする暗黙の関数を学習する。
次に、スムーズな表面を条件とした変位マップを学習し、衣服や身体の高周波の詳細を符号化する。
論文 参考訳(メタデータ) (2022-05-09T07:34:06Z) - Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。
我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
論文 参考訳(メタデータ) (2022-03-06T06:02:30Z) - A-SDF: Learning Disentangled Signed Distance Functions for Articulated
Shape Representation [62.517760545209065]
A-SDF (Articulated Signed Distance Functions) を導入して, 曲面形状を表す。
本モデルでは, 部分点群や実世界深度画像など, 未知のデータへの一般化を実証する。
論文 参考訳(メタデータ) (2021-04-15T17:53:54Z) - Cycle4Completion: Unpaired Point Cloud Completion using Cycle
Transformation with Missing Region Coding [57.23678891670394]
完全形状の潜在空間と不完全空間の2つの同時サイクル変換を提案する。
本研究では,学習した双方向ジオメトリ対応モデルが最新非対向補完法を上回っていることを示した。
論文 参考訳(メタデータ) (2021-03-14T03:52:53Z) - Continuous Surface Embeddings [76.86259029442624]
我々は、変形可能な対象カテゴリーにおける密接な対応を学習し、表現するタスクに焦点をあてる。
本稿では,高密度対応の新たな学習可能な画像ベース表現を提案する。
提案手法は,人間の身近なポーズ推定のための最先端手法と同等以上の性能を示すことを示す。
論文 参考訳(メタデータ) (2020-11-24T22:52:15Z) - Weakly-supervised 3D Shape Completion in the Wild [91.04095516680438]
非整合および実世界の部分点雲から3次元完全形状を学習する問題に対処する。
複数の部分的な観察から3次元標準形状と6-DoFのアライメントを推定する弱い教師付き手法を提案する。
合成データと実データの両方の実験では、形状やポーズを伴わずに大規模なデータを通じて3次元形状の完成を学習することは可能であり、有望であることが示された。
論文 参考訳(メタデータ) (2020-08-20T17:53:42Z)
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。