Fugu-MT 論文翻訳(概要): Three-Filters-to-Normal: An Accurate and Ultrafast Surface Normal Estimator

論文の概要: Three-Filters-to-Normal: An Accurate and Ultrafast Surface Normal Estimator

arxiv url: http://arxiv.org/abs/2005.08165v3
Date: Mon, 8 Mar 2021 23:06:18 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 05:52:02.153875
Title: Three-Filters-to-Normal: An Accurate and Ultrafast Surface Normal Estimator
Title（参考訳）: 3-filters-to-normal:高精度・超高速表面標準推定器
Authors: Rui Fan, Hengli Wang, Bohuan Xue, Huaiyang Huang, Yuan Wang, Ming Liu, Ioannis Pitas
Abstract要約: 本稿では, 3-filter-to-normal, a accurate and Ultrafast surface normal estimator (SNE)を提案する。 3F2N SNEは、逆深度画像または不均一画像の3つのフィルタリング操作を簡易に行うことにより、表面正規を演算する。
参考スコア（独自算出の注目度）: 47.13482488904627
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes three-filters-to-normal (3F2N), an accurate and ultrafast surface normal estimator (SNE), which is designed for structured range sensor data, e.g., depth/disparity images. 3F2N SNE computes surface normals by simply performing three filtering operations (two image gradient filters in horizontal and vertical directions, respectively, and a mean/median filter) on an inverse depth image or a disparity image. Despite the simplicity of 3F2N SNE, no similar method already exists in the literature. To evaluate the performance of our proposed SNE, we created three large-scale synthetic datasets (easy, medium and hard) using 24 3D mesh models, each of which is used to generate 1800--2500 pairs of depth images (resolution: 480X640 pixels) and the corresponding ground-truth surface normal maps from different views. 3F2N SNE demonstrates the state-of-the-art performance, outperforming all other existing geometry-based SNEs, where the average angular errors with respect to the easy, medium and hard datasets are 1.66 degrees, 5.69 degrees and 15.31 degrees, respectively. Furthermore, our C++ and CUDA implementations achieve a processing speed of over 260 Hz and 21 kHz, respectively. Our datasets and source code are publicly available at sites.google.com/view/3f2n.
Abstract（参考訳）: 本稿では, 高精度かつ超高速な表面正規分布推定器(SNE)である3-filter-to-normal (3F2N)を提案する。 3F2N SNEは、逆深度画像または不均質画像上の3つのフィルタリング操作(それぞれ水平方向と垂直方向の2つの画像勾配フィルタと平均/中間フィルタ)を簡易に行うことにより、表面正規を演算する。 3F2N SNEの単純さにもかかわらず、文献に類似した手法は存在しない。提案したSNEの性能を評価するため,24次元メッシュモデルを用いて3つの大規模合成データセット(easy, medium, hard)を作成し,1800-2500対の深度画像(解像度:480X640ピクセル)と対応する地表面標準地図を異なる視点から生成した。 3F2N SNEは最先端の性能を示し、既存の幾何ベースのSNEよりも優れており、それぞれ1.66度、5.69度、15.31度である。さらに,我々のC++およびCUDA実装は,それぞれ260Hz以上,21kHz以上の処理速度を実現している。データセットとソースコードは site.google.com/view/3f2n で公開されています。

関連論文リスト

Shape2.5D: A Dataset of Texture-less Surfaces for Depth and Normals Estimation [12.757150641117077]
シェープ2.5Dは、このギャップに対処するために設計された、新しい大規模データセットである。提案するデータセットは、3Dモデリングソフトウェアでレンダリングされた合成画像を含む。また、深度カメラで撮影される4,672フレームからなる現実世界のサブセットも含まれている。
論文参考訳（メタデータ） (2024-06-22T12:24:49Z)
SuperNormal: Neural Surface Reconstruction via Multi-View Normal Integration [9.770988285097113]
SuperNormalは、表面正規写像を用いた多視点3次元再構成のための高速で高忠実なアプローチである。数分で、SuperNormalは3Dスキャナーと同等の詳細な表面を生成する。
論文参考訳（メタデータ） (2023-12-08T02:34:30Z)
Mip-Splatting: Alias-free 3D Gaussian Splatting [52.366815964832426]
3D Gaussian Splattingは素晴らしいビュー合成結果を示し、高い忠実度と効率を実現した。ストロングアーティファクトは、サンプリングレート、例えば焦点距離やカメラ距離を変えることで観測することができる。この現象の原因は,3次元周波数制約の欠如と2次元拡張フィルタの利用によると考えられる。
論文参考訳（メタデータ） (2023-11-27T13:03:09Z)
D2NT: A High-Performing Depth-to-Normal Translator [14.936434857460622]
本稿では,3次元座標を計算せずに深度画像を表面正規写像に変換する超高速深度-正規変換器(D2NT)を提案する。次に、不連続認識勾配フィルタ(DAG)と、任意の深さから正規SNEに容易に統合できる表面正規化モジュールを提案する。提案アルゴリズムは,既存の実時間SNEの中で最高の精度を示し,効率と精度のSoTAトレードオフを実現する。
論文参考訳（メタデータ） (2023-04-24T12:08:03Z)
A Large Scale Homography Benchmark [52.55694707744518]
1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
論文参考訳（メタデータ） (2023-02-20T14:18:09Z)
VPFNet: Improving 3D Object Detection with Virtual Point based LiDAR and Stereo Data Fusion [62.24001258298076]
VPFNetは、ポイントクラウドとイメージデータを仮想のポイントで巧みに調整し集約する新しいアーキテクチャである。当社のVPFNetは,KITTIテストセットで83.21%の中等度3D AP,91.86%中等度BEV APを達成し,2021年5月21日以来の1位となった。
論文参考訳（メタデータ） (2021-11-29T08:51:20Z)
Facial Depth and Normal Estimation using Single Dual-Pixel Camera [81.02680586859105]
DP指向のDepth/Normalネットワークを導入し,3次元顔形状を再構成する。これは、メートル法スケールでの深度マップと表面正規を含む、対応する地上3次元モデルを含んでいる。近年のDPベース深度/正規推定法で最先端の性能を実現している。
論文参考訳（メタデータ） (2021-11-25T05:59:27Z)
High-speed object detection with a single-photon time-of-flight image sensor [2.648554238948439]
我々は,64×32の空間解像度で16ビンの光子タイミングヒストグラムを出力する携帯型SPADカメラシステムの結果を報告する。結果は、人間の反応時間よりも早く恩恵を受けるであろう安全クリティカルなコンピュータビジョンアプリケーションに関係している。
論文参考訳（メタデータ） (2021-07-28T14:53:44Z)
SD-6DoF-ICLK: Sparse and Deep Inverse Compositional Lucas-Kanade Algorithm on SE(3) [34.7120626795373]
本稿では,SD-6DoF-ICLK(Inverse Compositional Lucas-Kanade)パイプラインを提案する。スパース深度情報を使用して、SE(3)上の2つの画像を最良に整列する相対的なポーズを最適化する。レンダリング画像による実験では、前方のSD-6DoF-ICLKは画像ペアあたり145msで、解像度は752 x 480ピクセルである。
論文参考訳（メタデータ） (2021-03-30T17:31:41Z)
GeoNet++: Iterative Geometric Neural Network with Edge-Aware Refinement for Joint Depth and Surface Normal Estimation [204.13451624763735]
本研究では,エッジアウェア・リファインメント(GeoNet++)を用いた幾何ニューラルネットワークを提案し,単一の画像から深さと表面正規写像の両方を共同で予測する。 geonet++は、強い3d一貫性と鋭い境界を持つ深さと表面の正常を効果的に予測する。画素単位の誤差/精度を評価することに焦点を当てた現在の測定値とは対照的に、3DGMは予測深度が高品質な3D表面の正常を再構築できるかどうかを測定する。
論文参考訳（メタデータ） (2020-12-13T06:48:01Z)

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。