論文の概要: Least squares surface reconstruction on arbitrary domains

• arxiv url: http://arxiv.org/abs/2007.08661v2
• Date: Mon, 20 Jul 2020 14:27:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 23:42:09.335645
• Title: Least squares surface reconstruction on arbitrary domains
• Title（参考訳）: 任意の領域上の最小二乗曲面再構成
• Authors: Dizhong Zhu, William A P Smith
• Abstract要約: 2D Savitzky-GolayフィルタとK-nearest近傍カーネルに基づく数値微分の計算法を提案する。 同じ定式化を用いて、線形最小二乗問題として、正書法と直視高の両方を記述する方法を示す。 我々は,合成データと実データの両方において,最先端技術に対する性能向上を実証した。
• 参考スコア（独自算出の注目度）: 30.354512876068085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Almost universally in computer vision, when surface derivatives are required, they are computed using only first order accurate finite difference approximations. We propose a new method for computing numerical derivatives based on 2D Savitzky-Golay filters and K-nearest neighbour kernels. The resulting derivative matrices can be used for least squares surface reconstruction over arbitrary (even disconnected) domains in the presence of large noise and allowing for higher order polynomial local surface approximations. They are useful for a range of tasks including normal-from-depth (i.e. surface differentiation), height-from-normals (i.e. surface integration) and shape-from-x. We show how to write both orthographic or perspective height-from-normals as a linear least squares problem using the same formulation and avoiding a nonlinear change of variables in the perspective case. We demonstrate improved performance relative to state-of-the-art across these tasks on both synthetic and real data and make available an open source implementation of our method.
• Abstract（参考訳）: コンピュータビジョンでは、表面微分が必要な場合、それらは1次精度の有限差分近似を用いて計算される。 2D Savitzky-GolayフィルタとK-nearest近傍カーネルに基づく数値微分の計算法を提案する。 導関数行列は、大きな雑音の存在下で任意の(あるいは切断された)領域上の最小二乗曲面再構成に使用することができ、高次多項式局所曲面近似を可能にする。 これらは、通常の深度(表面微分)、高さから正規度(表面積分)、形状からxまで、様々なタスクに有用である。 同じ定式化を用いた線形最小二乗問題として、また、視点の場合の変数の非線形な変化を避けるために、正書法と遠近法の両方を記述する方法を示す。 我々は,これらのタスクに対して,合成データと実データの両方に比較して性能を向上し,我々の手法のオープンソース実装を利用可能にしている。

関連論文リスト

• On the design of scalable, high-precision spherical-radial Fourier features [5.216151302783165]
  我々は、その等方性を利用して高次元のガウス測度を正確に近似する新しい二次規則の族を導入する。 従来の研究と比較して,本手法は近似誤差を徹底的に解析し,ラジアル成分と球面成分の両方に対する自然な選択を示唆している。
  論文  参考訳（メタデータ） (2024-08-23T17:11:25Z)
• Explicit Neural Surfaces: Learning Continuous Geometry With Deformation Fields [33.38609930708073]
  本稿では、既知の基底領域からの変形場と位相をエンコードする効率的な滑らかな表面表現であるExplicit Neural Surfaces (ENS)を紹介する。 暗黙の面と比較して、ENSは高速で、数桁の速度で推論を行うことができる。
  論文  参考訳（メタデータ） (2023-06-05T15:24:33Z)
• Bridging Discrete and Backpropagation: Straight-Through and Beyond [62.46558842476455]
  本稿では,離散潜在変数の生成に関わるパラメータの勾配を近似する新しい手法を提案する。 本稿では,Hunの手法とODEを解くための2次数値法を統合することで,2次精度を実現するReinMaxを提案する。
  論文  参考訳（メタデータ） (2023-04-17T20:59:49Z)
• Point normal orientation and surface reconstruction by incorporating isovalue constraints to Poisson equation [16.467735758073363]
  配向正規化は、点雲に基づく多くの幾何学的アルゴリズムの一般的な前提条件である。 ポアソン方程式に等値制約を組み込むことにより、配向点雲正規化に対する新しいアプローチを提案する。 非一様・ノイズの多いデータでは高い性能が得られる。
  論文  参考訳（メタデータ） (2022-09-30T17:47:48Z)
• Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal Charts and Distortion [71.52576837870166]
  我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。 その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。 我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
  論文  参考訳（メタデータ） (2022-07-29T16:55:06Z)
• A shallow physics-informed neural network for solving partial differential equations on surfaces [0.0]
  表面の偏微分方程式を解くために,メッシュフリーな物理インフォームドニューラルネットワークを導入する。 レベルセット関数の助けを借りて、表面の正規曲率や平均曲率などの表面幾何量を直接計算し、表面微分式に使用することができる。 わずか数百のトレーニング可能なパラメータで、我々のネットワークモデルは高い予測精度を達成することができる。
  論文  参考訳（メタデータ） (2022-03-03T09:18:21Z)
• DeepMesh: Differentiable Iso-Surface Extraction [53.77622255726208]
  本稿では,Deep Implicit Fieldsから表面メッシュを明示的に表現する方法を提案する。 我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。 私たちはこれを利用して、そのトポロジを変えることができるDeepMesh – エンドツーエンドの差別化可能なメッシュ表現を定義する。
  論文  参考訳（メタデータ） (2021-06-20T20:12:41Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Debiasing Distributed Second Order Optimization with Surrogate Sketching and Scaled Regularization [101.5159744660701]
  分散第2次最適化において、標準的な戦略は、データの小さなスケッチやバッチに基づいて、多くの局所的な見積もりを平均化することである。 本稿では,分散二階法における収束率の理論的および実証的改善を両立させるため,局所的な推定を嫌悪する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-02T18:08:14Z)
• Effective Dimension Adaptive Sketching Methods for Faster Regularized Least-Squares Optimization [56.05635751529922]
  スケッチに基づくL2正規化最小二乗問題の解法を提案する。 我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
  論文  参考訳（メタデータ） (2020-06-10T15:00:09Z)
• MeshSDF: Differentiable Iso-Surface Extraction [45.769838982991736]
  本稿では,Deep Signed Distance関数から表面メッシュを明示的に表現する方法を提案する。 我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。 我々はこれを利用して、そのトポロジを変えることができるエンドツーエンドの差別化可能なメッシュ表現であるMeshSDFを定義します。
  論文  参考訳（メタデータ） (2020-06-06T23:44:05Z)

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。