論文の概要: Multimodal Shape Completion via Conditional Generative Adversarial
Networks
- arxiv url: http://arxiv.org/abs/2003.07717v3
- Date: Wed, 8 Jul 2020 13:38:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 21:30:43.979631
- Title: Multimodal Shape Completion via Conditional Generative Adversarial
Networks
- Title(参考訳): 条件付き生成逆ネットワークによるマルチモーダル形状補完
- Authors: Rundi Wu, Xuelin Chen, Yixin Zhuang, Baoquan Chen
- Abstract要約: 形状取得装置から部分的データを取得するための深層学習法が提案されている。
我々は,一対多のマッピングを学習することで,複数の出力で部分的な形状を完成させようとする。
我々は条件付き生成モデルを用いて部分的な形状を完遂する最初のマルチモーダル形状補完法を開発した。
- 参考スコア(独自算出の注目度): 34.51271516263473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Several deep learning methods have been proposed for completing partial data
from shape acquisition setups, i.e., filling the regions that were missing in
the shape. These methods, however, only complete the partial shape with a
single output, ignoring the ambiguity when reasoning the missing geometry.
Hence, we pose a multi-modal shape completion problem, in which we seek to
complete the partial shape with multiple outputs by learning a one-to-many
mapping. We develop the first multimodal shape completion method that completes
the partial shape via conditional generative modeling, without requiring paired
training data. Our approach distills the ambiguity by conditioning the
completion on a learned multimodal distribution of possible results. We
extensively evaluate the approach on several datasets that contain varying
forms of shape incompleteness, and compare among several baseline methods and
variants of our methods qualitatively and quantitatively, demonstrating the
merit of our method in completing partial shapes with both diversity and
quality.
- Abstract(参考訳): 形状取得装置からの部分的データ、すなわち形状に欠ける領域を埋めるために、いくつかの深層学習法が提案されている。
しかし、これらの手法は1つの出力で部分的な形状を完遂するだけで、欠落した幾何を推論するあいまいさを無視している。
したがって,多モード形状完備化問題として,一対多写像を学習することで,複数の出力で部分形状を完備化しようとする。
条件付き学習データを必要としない条件付き生成モデルにより部分的な形状を完遂する最初のマルチモーダル形状補完法を開発した。
提案手法は,学習結果のマルチモーダル分布の完備化を条件に,あいまいさを抽出する。
様々な形状の不完全性を含む複数のデータセットに対するアプローチを広範に評価し,本手法の基本的な方法と変種を比較し,多様性と品質の両面で部分的な形状を完遂する上での手法のメリットを実証した。
関連論文リスト
- Beyond Complete Shapes: A quantitative Evaluation of 3D Shape Matching Algorithms [41.95394677818476]
3次元形状の対応を見つけることは、コンピュータビジョン、グラフィックスなどにおいて重要な問題である。
我々は、挑戦的な部分的な形状マッチングシナリオの手続き生成のための汎用的で柔軟なフレームワークを提供する。
手動で7つの既存の(完全な幾何学)形状マッチングデータセット間のクロスデータセット対応を作成し、合計2543個の形状を生成する。
論文 参考訳(メタデータ) (2024-11-05T21:08:19Z) - 3D Shape Completion on Unseen Categories:A Weakly-supervised Approach [61.76304400106871]
未確認のカテゴリから完全な形状を再構築するための、新しい弱教師付きフレームワークを導入する。
まず,各カテゴリから得られたデータを利用して粗い形状を推定する,エンドツーエンドの事前支援型形状学習ネットワークを提案する。
さらに, 粗い形状をさらに洗練させるために, 自己教師型形状改善モデルを提案する。
論文 参考訳(メタデータ) (2024-01-19T09:41:09Z) - Diverse Shape Completion via Style Modulated Generative Adversarial
Networks [0.0]
形状完了は、部分的な観察から物体の完全な3次元形状を復元することを目的としている。
この問題は本質的にマルチモーダルであり、形状の欠落した領域を確実に完備化する方法が多数存在する。
本稿では,部分観測点雲の多種多様な完備化を実現できる条件生成対向ネットワークを提案する。
論文 参考訳(メタデータ) (2023-11-18T23:40:20Z) - Geometrically Consistent Partial Shape Matching [50.29468769172704]
3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。
しばしば無視されるが、整合幾何学の重要な性質は整合性である。
本稿では,新しい整数型線形計画部分形状整合式を提案する。
論文 参考訳(メタデータ) (2023-09-10T12:21:42Z) - PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval
and Deformation [59.70430570779819]
本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。
私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。
部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
論文 参考訳(メタデータ) (2022-07-24T18:59:09Z) - Shape Completion via IMLE [9.716911810130576]
形状完了は部分的なスキャンなどの部分的な入力形状を完了させる問題である。
本稿では,一対多のマッピングを効果的に学習できる新しいマルチモーダル形状補完手法を提案する。
本手法は, 形状の完全性と多様性の観点から, 代替案よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-06-30T17:45:10Z) - Unsupervised 3D Shape Completion through GAN Inversion [116.27680045885849]
本稿では,GAN(Generative Adrial Network)インバージョンを導入したShapeInversionについて紹介する。
ShapeInversionは、与えられた部分入力に最も適した完全な形状を与える潜在コードを探すことで、完全な形状で事前訓練されたGANを使用する。
shapenetベンチマークでは、shapeinversion は sota unsupervised メソッドよりも優れており、ペアデータを用いて学習される教師ありメソッドに匹敵する。
論文 参考訳(メタデータ) (2021-04-27T17:53:46Z) - Isometric Multi-Shape Matching [50.86135294068138]
形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。
アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。
定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
論文 参考訳(メタデータ) (2020-12-04T15:58:34Z)
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。