論文の概要: Learning Generative Models of Shape Handles
- arxiv url: http://arxiv.org/abs/2004.03028v1
- Date: Mon, 6 Apr 2020 22:35:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 06:28:23.543836
- Title: Learning Generative Models of Shape Handles
- Title(参考訳): 形状ハンドの生成モデル学習
- Authors: Matheus Gadelha, Giorgio Gori, Duygu Ceylan, Radomir Mech, Nathan
Carr, Tamy Boubekeur, Rui Wang, Subhransu Maji
- Abstract要約: ハンドセットとして3次元形状を合成する生成モデルを提案する。
我々のモデルは、様々な濃度と異なる種類のハンドルを持つハンドセットを生成することができる。
得られた形状表現は直感的であり,従来の最先端技術よりも優れた品質が得られることを示す。
- 参考スコア(独自算出の注目度): 43.41382075567803
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a generative model to synthesize 3D shapes as sets of handles --
lightweight proxies that approximate the original 3D shape -- for applications
in interactive editing, shape parsing, and building compact 3D representations.
Our model can generate handle sets with varying cardinality and different types
of handles (Figure 1). Key to our approach is a deep architecture that predicts
both the parameters and existence of shape handles, and a novel similarity
measure that can easily accommodate different types of handles, such as cuboids
or sphere-meshes. We leverage the recent advances in semantic 3D annotation as
well as automatic shape summarizing techniques to supervise our approach. We
show that the resulting shape representations are intuitive and achieve
superior quality than previous state-of-the-art. Finally, we demonstrate how
our method can be used in applications such as interactive shape editing,
completion, and interpolation, leveraging the latent space learned by our model
to guide these tasks. Project page: http://mgadelha.me/shapehandles.
- Abstract(参考訳): 本稿では,インタラクティブな編集,形状解析,コンパクトな3次元表現構築への応用を目的とした,ハンドルの集合として3次元形状を合成する生成モデルを提案する。
我々のモデルは、濃度と異なる種類のハンドルを持つハンドルセットを生成できる(図1)。
我々のアプローチの鍵となるのは、形状ハンドルのパラメータと存在の両方を予測する深いアーキテクチャと、キュービドやスフィアミーシュなど、さまざまなタイプのハンドルを容易に扱える新しい類似度尺度です。
近年のセマンティック3Dアノテーションの進歩と自動形状要約技術を活用し,そのアプローチを監督している。
得られた形状表現は直感的であり,従来よりも優れた品質が得られることを示す。
最後に,対話型形状編集,補完,補間などのアプリケーションにおいて,これらのタスクを導くために,モデルが学習した潜在空間を活用する方法を紹介する。
プロジェクトページ: http://mgadelha.me/shapehandles。
関連論文リスト
- 3D Shape Tokenization [38.408642959154925]
連続的でコンパクトで、機械学習モデルに組み込むのが容易な3D表現であるShape Tokensを紹介します。
形状トークンは、3次元フローマッチングモデルにおける形状情報を表す条件ベクトルとして機能する。
様々な機械学習モデルにShape Tokensをアタッチすることで、新しい形状を生成し、画像を3Dに変換し、テキストや画像と3D形状をアライメントし、可変、ユーザ指定、解像度で直接形状をレンダリングすることができる。
論文 参考訳(メタデータ) (2024-12-20T07:22:41Z) - DECOLLAGE: 3D Detailization by Controllable, Localized, and Learned Geometry Enhancement [38.719572669042925]
エンドユーザーが機械学習を用いて3次元形状を洗練・詳細化できる3Dモデリング手法を提案する。
詳細をローカライズする能力は、新しいインタラクティブな創造性と応用を可能にする。
論文 参考訳(メタデータ) (2024-09-10T00:51:49Z) - Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。
自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文 参考訳(メタデータ) (2024-02-19T15:33:09Z) - PHRIT: Parametric Hand Representation with Implicit Template [24.699079936958892]
PHRITは暗黙テンプレートを用いたパラメトリックハンドメッシュモデリングの新しいアプローチである。
本手法は, 部品形状の符号付き距離場(SDF)を用いて変形可能な手形状を表現する。
PHRITは、骨格駆動手指再建、点雲からの形状、一視点3D再構成など、複数の下流タスクにおいて評価される。
論文 参考訳(メタデータ) (2023-09-26T13:22:33Z) - Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。
本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
論文 参考訳(メタデータ) (2023-03-26T12:03:18Z) - SDFusion: Multimodal 3D Shape Completion, Reconstruction, and Generation [89.47132156950194]
本稿では,アマチュアユーザのための3Dアセット生成を簡易化する新しいフレームワークを提案する。
提案手法は,人間によって容易に提供可能な様々な入力モダリティをサポートする。
私たちのモデルは、これらのタスクをひとつのSwiss-army-knifeツールにまとめることができます。
論文 参考訳(メタデータ) (2022-12-08T18:59:05Z) - Learning to Generate 3D Shapes from a Single Example [28.707149807472685]
本稿では,入力形状の幾何学的特徴を空間的範囲にわたって捉えるために,マルチスケールのGANモデルを提案する。
我々は、外部の監督や手動のアノテーションを必要とせずに、基準形状のボクセルピラミッドで生成モデルを訓練する。
結果の形状は異なるスケールで変化を示し、同時に基準形状のグローバルな構造を保持する。
論文 参考訳(メタデータ) (2022-08-05T01:05:32Z) - SP-GAN: Sphere-Guided 3D Shape Generation and Manipulation [50.53931728235875]
点雲の形で3次元形状を直接合成するための新しい教師なし球誘導生成モデルSP-GANを提案する。
既存のモデルと比較して、SP-GANは多種多様な高品質な形状を詳細に合成することができる。
論文 参考訳(メタデータ) (2021-08-10T06:49:45Z) - DualSDF: Semantic Shape Manipulation using a Two-Level Representation [54.62411904952258]
本稿では,2段階の粒度で形状を表現するDualSDFと,抽象化されたプロキシ形状を表すDualSDFを提案する。
我々の2段階モデルでは、ユーザが対話的に粗いプロキシの形状を操作でき、その変化を即座に高解像度の形状に反映できる新しい形状操作技術が生み出される。
論文 参考訳(メタデータ) (2020-04-06T17:59:15Z)
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。