論文の概要: The Phong Surface: Efficient 3D Model Fitting using Lifted Optimization
- arxiv url: http://arxiv.org/abs/2007.04940v1
- Date: Thu, 9 Jul 2020 17:10:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-12 04:52:05.523817
- Title: The Phong Surface: Efficient 3D Model Fitting using Lifted Optimization
- Title(参考訳): phong surface: lifted optimization を用いた効率的な3dモデルフィッティング
- Authors: Jingjing Shen, Thomas J. Cashman, Qi Ye, Tim Hutton, Toby Sharp,
Federica Bogo, Andrew William Fitzgibbon, Jamie Shotton
- Abstract要約: 混合現実におけるリアルタイム知覚と相互作用の能力は、低レイテンシで解決すべき様々な3D追跡問題を必要とする。
我々は新しい表面モデル「フォン面」を導入する。
コンピュータグラフィックスのアイデアを用いて、Pong表面は三角形メッシュモデルと同じ3次元形状を記述しているが、連続した表面正規値を持つ。
我々は, 三角形メッシュがそうでないのに対して, フォン曲面は滑らかな曲面モデルの収束の利点を保っていることを示す。
- 参考スコア(独自算出の注目度): 9.619889745900009
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Realtime perceptual and interaction capabilities in mixed reality require a
range of 3D tracking problems to be solved at low latency on
resource-constrained hardware such as head-mounted devices. Indeed, for devices
such as HoloLens 2 where the CPU and GPU are left available for applications,
multiple tracking subsystems are required to run on a continuous, real-time
basis while sharing a single Digital Signal Processor. To solve model-fitting
problems for HoloLens 2 hand tracking, where the computational budget is
approximately 100 times smaller than an iPhone 7, we introduce a new surface
model: the `Phong surface'. Using ideas from computer graphics, the Phong
surface describes the same 3D shape as a triangulated mesh model, but with
continuous surface normals which enable the use of lifting-based optimization,
providing significant efficiency gains over ICP-based methods. We show that
Phong surfaces retain the convergence benefits of smoother surface models,
while triangle meshes do not.
- Abstract(参考訳): 複合現実におけるリアルタイムの知覚と相互作用の能力は、ヘッドマウントデバイスのようなリソース制約のあるハードウェア上で低レイテンシで解決する必要がある。
実際、アプリケーション用にCPUとGPUが残されているHoloLens 2のようなデバイスでは、単一のDigital Signal Processorを共有しながら、継続的にリアルタイムに複数のトラッキングサブシステムを実行する必要がある。
計算予算がiphone 7の約100倍小さいhololens 2ハンドトラッキングのモデルフィッティング問題を解決するため、新しいサーフェスモデルである 'phong surface' を導入する。
コンピュータグラフィックスのアイデアを用いて、Phong面は三角形メッシュモデルと同じ3次元形状を記述しているが、リフトベース最適化を可能とし、ICPベースの手法よりも大きな効率向上をもたらす連続表面正規化がある。
三角形メッシュは成立しないが,Pong曲面は滑らかな曲面モデルの収束効果を保っていることを示す。
関連論文リスト
- Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian
Splatting [57.80942520483354]
3D-GSはしばしば、特異成分と異方性成分を正確にモデル化するのに困難に直面する。
球面調和の代わりに異方性球面ガウス場を利用するアプローチであるSpec-Gaussianを導入する。
実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。
論文 参考訳(メタデータ) (2024-02-24T17:22:15Z) - HybridNeRF: Efficient Neural Rendering via Adaptive Volumetric Surfaces [50.35729913765043]
ニューラル放射場は、最先端のビュー合成品質を提供するが、レンダリングが遅くなる傾向がある。
本稿では,ほとんどの物体を表面としてレンダリングすることで,両表現の強みを生かしたHybridNeRFを提案する。
仮想現実分解能(2Kx2K)のリアルタイムフレームレート(少なくとも36FPS)を達成しながら、エラー率を15~30%改善する。
論文 参考訳(メタデータ) (2023-12-05T22:04:49Z) - EvaSurf: Efficient View-Aware Implicit Textured Surface Reconstruction
on Mobile Devices [55.95408465285477]
モバイル端末に暗黙的テクスチャを付加したtextbfSurf$ace 再構成手法を提案する。
提案手法は,合成と実世界の両方のデータセット上で,高品質な外観と正確なメッシュを再構築することができる。
我々の方法は1つのGPUを使ってたった1~2時間でトレーニングでき、40FPS(Frames per second)以上のモバイルデバイス上で実行することができる。
論文 参考訳(メタデータ) (2023-11-16T11:30:56Z) - Mesh Convolution with Continuous Filters for 3D Surface Parsing [101.25796935464648]
本稿では、3次元トライアングルメッシュから効果的な幾何学的特徴学習のための一連のモジュラー演算を提案する。
メッシュ畳み込みは球面調和を正規直交基底として利用し、連続畳み込みフィルタを生成する。
さらに,PicassoNet++という3次元表面の知覚解析のための新しい階層型ニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-12-03T09:16:49Z) - Deep Active Surface Models [60.027353171412216]
アクティブサーフェスモデルは複雑な3次元表面をモデル化するのに有用な長い歴史を持っているが、ディープネットワークと組み合わせて使用されるのはアクティブ・コンターのみである。
グラフ畳み込みネットワークにシームレスに統合して、洗練された滑らかさを強制できるレイヤを導入します。
論文 参考訳(メタデータ) (2020-11-17T18:48:28Z) - Unified Multi-Modal Landmark Tracking for Tightly Coupled
Lidar-Visual-Inertial Odometry [5.131684964386192]
視覚,ライダー,慣性情報を協調的に最適化するモバイルプラットフォームのための効率的なマルチセンサ・オドメトリーシステムを提案する。
ライダー点雲から3次元線と平面原始体を抽出する新しい手法を提案する。
システムは、脚のあるロボットによる地下探査や、動的に動くハンドヘルドデバイスによる屋外スキャンなど、さまざまなプラットフォームやシナリオでテストされてきた。
論文 参考訳(メタデータ) (2020-11-13T09:54:03Z) - Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。
従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。
我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。
これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文 参考訳(メタデータ) (2020-08-31T17:10:48Z) - HyperFlow: Representing 3D Objects as Surfaces [19.980044265074298]
本稿では,ハイパーネットを利用した新しい生成モデルを提案する。
我々は、競合するアプローチよりも質的な結果が得られる連続的なメッシュベースのオブジェクト表現を得る。
論文 参考訳(メタデータ) (2020-06-15T19:18:02Z)
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。