論文の概要: Coupling Explicit and Implicit Surface Representations for Generative 3D Modeling

• arxiv url: http://arxiv.org/abs/2007.10294v2
• Date: Sat, 17 Oct 2020 02:10:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 13:32:30.248329
• Title: Coupling Explicit and Implicit Surface Representations for Generative 3D Modeling
• Title（参考訳）: 生成的3次元モデリングのための明示的および暗黙的表面表現の結合
• Authors: Omid Poursaeed and Matthew Fisher and Noam Aigerman and Vladimir G. Kim
• Abstract要約: 本稿では,2つの相補的な形状表現を利用する3次元曲面を表現するニューラルアーキテクチャを提案する。 これら2つの表現は、新しい一貫性損失を導入することで相乗効果を得る。 我々のハイブリッドアーキテクチャの出力結果は、2つの等価な単一表現ネットワークの出力よりも優れている。
• 参考スコア（独自算出の注目度）: 41.79675639550555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel neural architecture for representing 3D surfaces, which harnesses two complementary shape representations: (i) an explicit representation via an atlas, i.e., embeddings of 2D domains into 3D; (ii) an implicit-function representation, i.e., a scalar function over the 3D volume, with its levels denoting surfaces. We make these two representations synergistic by introducing novel consistency losses that ensure that the surface created from the atlas aligns with the level-set of the implicit function. Our hybrid architecture outputs results which are superior to the output of the two equivalent single-representation networks, yielding smoother explicit surfaces with more accurate normals, and a more accurate implicit occupancy function. Additionally, our surface reconstruction step can directly leverage the explicit atlas-based representation. This process is computationally efficient, and can be directly used by differentiable rasterizers, enabling training our hybrid representation with image-based losses.
• Abstract（参考訳）: 本稿では,2つの相補的な形状表現を利用する3次元曲面を表現するニューラルアーキテクチャを提案する。 (i) アトラスによる明示的な表現,すなわち,2d領域の3dへの埋め込み (ii) 暗黙関数表現、すなわち3次元体積上のスカラー関数であって、そのレベルが曲面を示すもの。 これらの2つの表現は、アトラスから生成された曲面が暗黙の関数のレベル集合と一致するように、新しい一貫性の損失を導入することによって相乗的になる。 ハイブリッドアーキテクチャは,2つの等価な単一表現ネットワークの出力よりも優れた結果を出力することにより,より正確な正規表現を持つ平滑な表面と,より正確な暗黙的占有関数が得られる。 さらに、表面再構成ステップでは、明示的なアトラスに基づく表現を直接活用できる。 このプロセスは計算効率が良く、差別化可能なラスタライザによって直接使用できるため、イメージベースの損失を伴うハイブリッド表現のトレーニングが可能になります。

関連論文リスト

• G2SDF: Surface Reconstruction from Explicit Gaussians with Implicit SDFs [84.07233691641193]
  G2SDFはニューラル暗黙の符号付き距離場をガウススプラッティングフレームワークに統合する新しいアプローチである。 G2SDFは, 3DGSの効率を維持しつつ, 従来よりも優れた品質を実現する。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• LISR: Learning Linear 3D Implicit Surface Representation Using Compactly Supported Radial Basis Functions [5.056545768004376]
  部分的かつノイズの多い3次元点雲スキャンから物体を3次元表面で再構成することは、古典的な幾何学処理と3次元コンピュータビジョンの問題である。 本稿では,物体の3次元表面の線形暗黙的形状表現を学習するためのニューラルネットワークアーキテクチャを提案する。 提案手法は,ベンチマークデータセットの最先端手法よりも,チャムファー距離と同等のFスコアを実現する。
  論文  参考訳（メタデータ） (2024-02-11T20:42:49Z)
• Sur2f: A Hybrid Representation for High-Quality and Efficient Surface Reconstruction from Multi-view Images [41.81291587750352]
  マルチビュー表面再構成は、3次元視覚研究において不適切な逆問題である。 既存の手法のほとんどは、暗黙のメッシュや暗黙のフィールド関数に依存しており、復元のためにフィールドのボリュームレンダリングを使用している。 相補的な方法で両表現の利点を向上することを目的としたハイブリッド表現(Sur2f)を提案する。
  論文  参考訳（メタデータ） (2024-01-08T07:22:59Z)
• Neural Vector Fields: Implicit Representation by Explicit Learning [63.337294707047036]
  ニューラルベクトル場 (Neural Vector Fields, NVF) という新しい3次元表現法を提案する。 メッシュを直接操作するための明示的な学習プロセスを採用するだけでなく、符号なし距離関数(UDF)の暗黙的な表現も採用している。 提案手法は,まず表面への変位クエリを予測し,テキスト再構成として形状をモデル化する。
  論文  参考訳（メタデータ） (2023-03-08T02:36:09Z)
• Deep Marching Tetrahedra: a Hybrid Representation for High-Resolution 3D Shape Synthesis [90.26556260531707]
  DMTetは粗いボクセルのような単純なユーザーガイドを用いて高解像度の3次元形状を合成できる条件付き生成モデルである。 メッシュなどの明示的な表現を直接生成する深部3次元生成モデルとは異なり、我々のモデルは任意の位相で形状を合成することができる。
  論文  参考訳（メタデータ） (2021-11-08T05:29:35Z)
• Differentiable Surface Rendering via Non-Differentiable Sampling [19.606523934811577]
  本稿では,明暗表現と暗示表現の両方をサポートする3次元曲面の微分可能レンダリング法を提案する。 ニューラルレイディアンス場(NeRF)から抽出したアイソの高速で微分可能なレンダリングを初めて示し, ボリュームベースではなく, 表面ベースでNeRFのレンダリングを実証した。
  論文  参考訳（メタデータ） (2021-08-10T19:25:06Z)
• Deep Implicit Surface Point Prediction Networks [49.286550880464866]
  暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。 本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-10T14:31:54Z)
• Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes [77.6741486264257]
  本稿では,高忠実度ニューラルネットワークSDFのリアルタイムレンダリングを可能にする,効率的なニューラル表現を提案する。 我々の表現は、以前の作品に比べてレンダリング速度の点で2～3桁の効率であることを示す。
  論文  参考訳（メタデータ） (2021-01-26T18:50:22Z)

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。