Fugu-MT 論文翻訳(概要): Topology-Change-Aware Volumetric Fusion for Dynamic Scene Reconstruction

論文の概要: Topology-Change-Aware Volumetric Fusion for Dynamic Scene Reconstruction

arxiv url: http://arxiv.org/abs/2007.06853v1
Date: Tue, 14 Jul 2020 07:04:08 GMT
ステータス: 翻訳完了
システム内更新日: 2022-11-10 14:42:09.370735
Title: Topology-Change-Aware Volumetric Fusion for Dynamic Scene Reconstruction
Title（参考訳）: 動的シーン再構築のためのトポロジー・チェンジ対応ボリュームフュージョン
Abstract要約: トポロジー変化は動的シーンの4次元再構成において難しい問題である。本稿では、トポロジ変化下での動的シーンの4次元再構成を可能にするために、古典的なフレームワークを再設計する。
参考スコア（独自算出の注目度）: 17.25683962105958
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Topology change is a challenging problem for 4D reconstruction of dynamic scenes. In the classic volumetric fusion-based framework, a mesh is usually extracted from the TSDF volume as the canonical surface representation to help estimating deformation field. However, the surface and Embedded Deformation Graph (EDG) representations bring conflicts under topology changes since the surface mesh has fixed-connectivity but the deformation field can be discontinuous. In this paper, the classic framework is re-designed to enable 4D reconstruction of dynamic scene under topology changes, by introducing a novel structure of Non-manifold Volumetric Grid to the re-design of both TSDF and EDG, which allows connectivity updates by cell splitting and replication. Experiments show convincing reconstruction results for dynamic scenes of topology changes, as compared to the state-of-the-art methods.
Abstract（参考訳）: トポロジー変化は動的シーンの4次元再構成において難しい問題である。古典的な体積融合に基づくフレームワークでは、メッシュは通常TSDF体積から標準表面表現として抽出され、変形場の推定に役立ちます。しかし、表面メッシュが固定接続性を持つため、表面変形グラフと埋め込み変形グラフ(EDG)の表現はトポロジ上の矛盾をもたらすが、変形場は不連続である。本稿では, TSDFとEDGの両方に非多様体体積格子の新たな構造を導入し, セル分割・複製による接続更新を可能にすることにより, トポロジ変化下での動的シーンの4次元再構成を実現する。実験では、最先端手法と比較して、トポロジー変化の動的シーンに対する説得力のある再構成結果を示す。

関連論文リスト

GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
論文参考訳（メタデータ） (2026-06-02T17:13:01Z)
DySurface: Consistent 4D Surface Reconstruction via Bridging Explicit Gaussians and Implicit Functions [30.023158829098502]
動的シーンにおける暗黙的距離関数(SDF)の幾何学的忠実度で、明示的なガウス的効果を橋渡しする新しいフレームワークであるDySurfaceを提案する。具体的には,変形したガウスを生かしたVoxGS-DSDF分岐を用いて,動的スパースボクセル格子を構築し,暗黙のSDF場への幾何的ガイダンスを提供する。この明示的なアンカーは、ボリュームレンダリングプロセスを効果的に調整し、水密境界と詳細な表現で表面再構成品質を著しく改善する。
論文参考訳（メタデータ） (2026-05-11T11:05:17Z)
\ extit{4DSurf}: High-Fidelity Dynamic Scene Surface Reconstruction [53.82595920033838]
本稿では,ガウススプラッティング(GS)を用いた動的シーン表面再構成の問題に対処する。汎用動的表面再構成のための新しい統一フレームワークである textit4DSurf' を提案する。本手法は,シャンファー距離で49%,19%の最先端表面再構成法より優れる。
論文参考訳（メタデータ） (2026-03-30T06:09:37Z)
Generalizing Shape-from-Template to Topological Changes [3.9171668133637314]
本稿では,変形可能なオブジェクトの表面を再構成するためのShape-from-Template(SfT)手法の原理的拡張を提案する。我々のアプローチは、空間領域を分割することでテンプレートを反復的に適応し、エネルギー関数を最小限に抑えることである。本手法は, 境界面上の断裂や切削など, 実用的に関係する幅広いトポロジカル事象を強固にキャプチャする。
論文参考訳（メタデータ） (2025-11-05T13:32:05Z)
MoAngelo: Motion-Aware Neural Surface Reconstruction for Dynamic Scenes [9.504709780252979]
本稿では,静的3次元再構成手法であるNeuralAngeloを拡張した,高精細な動的再構成のための新しいフレームワークを提案する。本稿では,ActorsHQデータセットにおける従来の最先端手法と比較して,再構築精度が優れていることを示す。
論文参考訳（メタデータ） (2025-09-19T11:43:01Z)
Simultaneous Map and Object Reconstruction [66.66729715211642]
本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。我々は、最近の新しいビュー合成法から着想を得て、大域的な最適化として再構築問題を提起する。連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。
論文参考訳（メタデータ） (2024-06-19T23:53:31Z)
Learning Topology Uniformed Face Mesh by Volume Rendering for Multi-view Reconstruction [40.45683488053611]
一貫性のあるトポロジにおける顔メッシュは、多くの顔関連アプリケーションの基盤となる。トポロジを保存しながらメッシュ形状を直接最適化するメッシュボリュームレンダリング手法を提案する。主要なイノベーションは、ボリュームレンダリングに必要な放射界をシミュレートするために、スパースメッシュ機能を周辺空間に広めることである。
論文参考訳（メタデータ） (2024-04-08T15:25:50Z)
DynoSurf: Neural Deformation-based Temporally Consistent Dynamic Surface Reconstruction [93.18586302123633]
本稿では3次元点雲列から時間的に一貫した表面を対応なく再構成する問題について考察する。テンプレート表面表現と学習可能な変形場を統合した教師なし学習フレームワークDynoSurfを提案する。実験により、DynoSurfの現在の最先端アプローチに対する顕著な優位性を示した。
論文参考訳（メタデータ） (2024-03-18T08:58:48Z)
GeoDeformer: Geometric Deformable Transformer for Action Recognition [22.536307401874105]
視覚トランスフォーマーは、近年、行動認識のための畳み込みネットワークの効果的な代替品として登場した。本稿では,幾何学的理解を直接ViTアーキテクチャに組み込むことで,アクションビデオに固有の変動を捉えるための新しいアプローチであるGeoDeformerを提案する。
論文参考訳（メタデータ） (2023-11-29T16:55:55Z)
A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。 2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
論文参考訳（メタデータ） (2023-08-19T00:55:55Z)
Neural Surface Reconstruction of Dynamic Scenes with Monocular RGB-D Camera [26.410460029742456]
モノクラーRGB-Dカメラから動的シーンの高忠実度形状と動きを復元するテンプレートレス手法を提案する。公開データセットと収集データセットの実験により、NDRは既存の単分子動的再構成法より優れていることが示された。
論文参考訳（メタデータ） (2022-06-30T13:09:39Z)
Unbiased 4D: Monocular 4D Reconstruction with a Neural Deformation Model [76.64071133839862]
モノクロRGBビデオから一般的なデフォーミングシーンをキャプチャすることは、多くのコンピュータグラフィックスや視覚アプリケーションにとって不可欠である。提案手法であるUb4Dは、大きな変形を処理し、閉塞領域での形状補完を行い、可変ボリュームレンダリングを用いて、単眼のRGBビデオを直接操作することができる。我々の新しいデータセットの結果は公開され、表面の復元精度と大きな変形に対する堅牢性の観点から、技術の現状が明らかに改善されていることを実証する。
論文参考訳（メタデータ） (2022-06-16T17:59:54Z)
Neural Template: Topology-aware Reconstruction and Disentangled Generation of 3D Meshes [52.038346313823524]
本稿では,Distangled Topologyによる3次元メッシュ再構成と生成のためのDTNetという新しいフレームワークを提案する。提案手法は,最先端の手法と比較して,特に多様なトポロジで高品質なメッシュを生成することができる。
論文参考訳（メタデータ） (2022-06-10T08:32:57Z)
Geo-Neus: Geometry-Consistent Neural Implicit Surfaces Learning for Multi-view Reconstruction [41.43563122590449]
多視点再構成のための幾何一貫性のあるニューラルサーフェス学習を提案する。提案手法は, 複雑な薄板構造と大きな平滑領域の両方において, 高品質な表面再構成を実現する。
論文参考訳（メタデータ） (2022-05-31T14:52:07Z)
Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model Alignments [81.38641691636847]
エンボディエージェントの観点から,シーン再構築の問題を再考する。 rgb-dデータストリームを用いてインタラクティブシーンを再構築する。この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
論文参考訳（メタデータ） (2021-03-30T05:56:58Z)

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。