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

• Occupancy-Based Dual Contouring [12.944046673902415]
  本稿では,2重畳み込み方式を提案する。 本手法は,GPU並列化を最大化するために,学習不要かつ慎重に設計されている。
  論文  参考訳（メタデータ） (2024-09-20T11:32:21Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• 3D Face Tracking from 2D Video through Iterative Dense UV to Image Flow [15.479024531161476]
  本稿では,頂点ごとの高密度アライメントのための2次元アライメントネットワークを革新的に導入する新しいフェイストラッカーであるFlowFaceを提案する。 以前の作業とは異なり、FlowFaceは、弱い監視や合成データではなく、高品質な3Dスキャンアノテーションでトレーニングされている。 本手法は,カスタムベンチマークと公開ベンチマークの両方において,優れた性能を示す。
  論文  参考訳（メタデータ） (2024-04-15T14:20:07Z)
• 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
  3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。 多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。 競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T17:21:24Z)
• HybridNeRF: Efficient Neural Rendering via Adaptive Volumetric Surfaces [71.1071688018433]
  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 [53.28220984270622]
  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)
• 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)
• 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。