Fugu-MT 論文翻訳(概要): An End-to-End Geometric Deficiency Elimination Algorithm for 3D Meshes

論文の概要: An End-to-End Geometric Deficiency Elimination Algorithm for 3D Meshes

arxiv url: http://arxiv.org/abs/2003.06535v2
Date: Thu, 3 Sep 2020 02:55:59 GMT
ステータス: 処理完了
システム内更新日: 2022-12-23 20:22:14.198450
Title: An End-to-End Geometric Deficiency Elimination Algorithm for 3D Meshes
Title（参考訳）: 3次元メッシュのエンド・ツー・エンド幾何欠陥除去アルゴリズム
Authors: Bingtao Ma and Hongsen Liu and Liangliang Nan and Yang Cong
Abstract要約: 本稿では,3次元メッシュの有効かつ効率的な幾何学的欠陥除去アルゴリズムを提案する。本手法は3次元メッシュの欠陥を徹底的に除去することができる。
参考スコア（独自算出の注目度）: 16.566878873336915
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The 3D mesh is an important representation of geometric data. In the generation of mesh data, geometric deficiencies (e.g., duplicate elements, degenerate faces, isolated vertices, self-intersection, and inner faces) are unavoidable and may violate the topology structure of an object. In this paper, we propose an effective and efficient geometric deficiency elimination algorithm for 3D meshes. Specifically, duplicate elements can be eliminated by assessing the occurrence times of vertices or faces; degenerate faces can be removed according to the outer product of two edges; since isolated vertices do not appear in any face vertices, they can be deleted directly; self-intersecting faces are detected using an AABB tree and remeshed afterward; by simulating whether multiple random rays that shoot from a face can reach infinity, we can judge whether the surface is an inner face, then decide to delete it or not. Experiments on ModelNet40 dataset illustrate that our method can eliminate the deficiencies of the 3D mesh thoroughly.
Abstract（参考訳）: 3Dメッシュは幾何学的データの重要な表現である。メッシュデータの生成では、幾何学的欠陥(例えば、重複要素、退化面、孤立した頂点、自己切断、内面)は避けられず、物体の位相構造に反する可能性がある。本稿では,3次元メッシュの有効かつ効率的な幾何学的欠陥除去アルゴリズムを提案する。 Specifically, duplicate elements can be eliminated by assessing the occurrence times of vertices or faces; degenerate faces can be removed according to the outer product of two edges; since isolated vertices do not appear in any face vertices, they can be deleted directly; self-intersecting faces are detected using an AABB tree and remeshed afterward; by simulating whether multiple random rays that shoot from a face can reach infinity, we can judge whether the surface is an inner face, then decide to delete it or not. modelnet40データセットの実験は、3dメッシュの欠陥を完全に排除できることを示しています。

関連論文リスト

3D Neural Edge Reconstruction [61.10201396044153]
本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-05-29T17:23:51Z)
VoroMesh: Learning Watertight Surface Meshes with Voronoi Diagrams [34.71121458068556]
ヴォロメシュ(VoroMesh)は、水密な3次元形状の新規で微分可能なボロノイの表現である。発電機の位置を学習するために,VoroLossと呼ばれる新しい損失関数を提案する。 Thingi32データセット上のジェネレータを得るためにVorolossを直接最適化することは、我々の表現の幾何学的効率を示す。
論文参考訳（メタデータ） (2023-08-28T14:35:58Z)
RAFaRe: Learning Robust and Accurate Non-parametric 3D Face Reconstruction from Pseudo 2D&3D Pairs [13.11105614044699]
単視3次元顔再構成(SVFR)のための頑健で正確な非パラメトリック手法を提案する。大規模な擬似2D&3Dデータセットは、まず詳細な3D顔をレンダリングし、野生の画像の顔と描画された顔とを交換することによって作成される。本モデルは,FaceScape-wild/labおよびMICCベンチマークにおいて,従来の手法よりも優れていた。
論文参考訳（メタデータ） (2023-02-10T19:40:26Z)
Pruning-based Topology Refinement of 3D Mesh using a 2D Alpha Mask [6.103988053817792]
本稿では,顔解析手法を用いて,任意の3次元メッシュのトポロジを洗練させる手法を提案する。私たちのソリューションは、それぞれの顔を2次元のソフトマップとして描画する微分可能を利用しています。我々のモジュールは3Dメッシュを生成するネットワークに非依存であるため、自己管理されたイメージベースの3D再構成パイプラインに簡単に接続することができる。
論文参考訳（メタデータ） (2022-10-17T14:51:38Z)
Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
論文参考訳（メタデータ） (2022-04-09T03:46:18Z)
Neural Face Identification in a 2D Wireframe Projection of a Manifold Object [8.697806983058035]
コンピュータ支援デザイン(CAD)システムでは、一般的に3Dオブジェクトの設計を描写するために2D線描画が使用される。本稿では,新しいデータ駆動型視点から顔識別の古典的問題にアプローチする。我々は、同じ顔のエッジを自然な順序で予測するために、人気のあるTransformerモデルの変種を採用する。
論文参考訳（メタデータ） (2022-03-08T17:47:51Z)
DeepMesh: Differentiable Iso-Surface Extraction [53.77622255726208]
本稿では,Deep Implicit Fieldsから表面メッシュを明示的に表現する方法を提案する。我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。私たちはこれを利用して、そのトポロジを変えることができるDeepMesh – エンドツーエンドの差別化可能なメッシュ表現を定義する。
論文参考訳（メタデータ） (2021-06-20T20:12:41Z)
Neural Parts: Learning Expressive 3D Shape Abstractions with Invertible Neural Networks [118.20778308823779]
Invertible Neural Network (INN) を用いてプリミティブを定義する新しい3次元プリミティブ表現を提案する。私たちのモデルは、部品レベルの監督なしに3Dオブジェクトを意味的に一貫した部品配置に解析することを学びます。
論文参考訳（メタデータ） (2021-03-18T17:59:31Z)
Canonical 3D Deformer Maps: Unifying parametric and non-parametric methods for dense weakly-supervised category reconstruction [79.98689027127855]
独立オブジェクトの2次元画像の集合から学習できる共通オブジェクトカテゴリの3次元形状の表現を提案する。提案手法は, パラメトリック変形モデル, 非パラメトリック3次元再構成, 標準埋め込みの概念に基づく新しい手法で構築する。顔、車、鳥の野生のデータセットを3Dで再現することで、最先端の成果が得られます。
論文参考訳（メタデータ） (2020-08-28T15:44:05Z)
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)
3D Shape Segmentation with Geometric Deep Learning [2.512827436728378]
本稿では,部分分割問題としてセグメント化全体を解くために,3次元形状の3次元拡張ビューを生成するニューラルネットワークベースのアプローチを提案する。提案手法は,公開データセットの3次元形状と,フォトグラム法を用いて再構成した実物体を用いて検証する。
論文参考訳（メタデータ） (2020-02-02T14:11:16Z)

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。