論文の概要: CAD-PU: A Curvature-Adaptive Deep Learning Solution for Point Set Upsampling

• arxiv url: http://arxiv.org/abs/2009.04660v1
• Date: Thu, 10 Sep 2020 04:03:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 03:47:26.018574
• Title: CAD-PU: A Curvature-Adaptive Deep Learning Solution for Point Set Upsampling
• Title（参考訳）: cad-pu: ポイントアップサンプリングのための曲率適応型ディープラーニングソリューション
• Authors: Jiehong Lin, Xian Shi, Yuan Gao, Ke Chen, Kui Jia
• Abstract要約: ポイントセット・アップサンプリングは、密度と規則性を高めることを目的としている。 入力点と出力点の曲面近似誤差境界をペアにすることで、目的に重要な因子を同定する。 本稿では、曲率適応型特徴拡張モジュールであるCAD-PU(Curvature-adaptive Point set Upsampling Network)の設計を提案する。
• 参考スコア（独自算出の注目度）: 33.61863896931608
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point set is arguably the most direct approximation of an object or scene surface, yet its practical acquisition often suffers from the shortcoming of being noisy, sparse, and possibly incomplete, which restricts its use for a high-quality surface recovery. Point set upsampling aims to increase its density and regularity such that a better surface recovery could be achieved. The problem is severely ill-posed and challenging, considering that the upsampling target itself is only an approximation of the underlying surface. Motivated to improve the surface approximation via point set upsampling, we identify the factors that are critical to the objective, by pairing the surface approximation error bounds of the input and output point sets. It suggests that given a fixed budget of points in the upsampling result, more points should be distributed onto the surface regions where local curvatures are relatively high. To implement the motivation, we propose a novel design of Curvature-ADaptive Point set Upsampling network (CAD-PU), the core of which is a module of curvature-adaptive feature expansion. To train CAD-PU, we follow the same motivation and propose geometrically intuitive surrogates that approximate discrete notions of surface curvature for the upsampled point set. We further integrate the proposed surrogates into an adversarial learning based curvature minimization objective, which gives a practically effective learning of CAD-PU. We conduct thorough experiments that show the efficacy of our contributions and the advantages of our method over existing ones. Our implementation codes are publicly available at https://github.com/JiehongLin/CAD-PU.
• Abstract（参考訳）: 点集合は、おそらく物体やシーン表面の最も直接的な近似であるが、実際的な獲得は、ノイズ、スパース、そしておそらく不完全な欠点に苦しめられ、高品質の表面回復に使用することが制限される。 ポイントセットアップサンプリングは、その密度と規則性を高め、より良い表面回復を達成することを目的としている。 この問題は、アップサンプリング対象自体が基底面の近似に過ぎないことを考慮すると、非常に不適切かつ困難である。 本研究では,入力点集合と出力点集合の表面近似誤差境界を組み合わせることで,目的に重要な因子を同定する。 アップサンプリング結果における点の固定的な予算が与えられた場合、局所曲率が比較的高い表面領域により多くの点を分散すべきである。 そこで本研究では,曲率適応型機能拡張のモジュールであるcad-pu(curvature-adaptive point set upsampling network)の新たな設計を提案する。 CAD-PUをトレーニングするためには、同じモチベーションに従い、アップサンプリングされた点集合に対する曲面曲率の離散的な概念を近似した幾何学的直感的なサロゲートを提案する。 さらに,提案手法を逆流学習に基づく曲率最小化目標に統合し,cad-puの効果的な学習を実現する。 本研究は,提案手法の有効性と既存手法の利点を示す実験を徹底的に実施する。 実装コードはhttps://github.com/jiehonglin/cad-puで公開しています。

関連論文リスト

• Curvature Informed Furthest Point Sampling [0.0]
  ファテスト点サンプリング(FPS)を強化する強化学習に基づくサンプリングアルゴリズムを提案する。 提案手法は,FPS由来のソフトランクと深部ニューラルネットワークによる曲率スコアを組み合わせることで,ポイントをランク付けする。 我々は,各特徴が性能に与える影響について,質的および定量的に考察した総合的アブレーション研究を提供する。
  論文  参考訳（メタデータ） (2024-11-25T23:58:38Z)
• Arbitrary-Scale Point Cloud Upsampling by Voxel-Based Network with Latent Geometric-Consistent Learning [52.825441454264585]
  Voxel-based Network (textbfPU-VoxelNet) を用いた任意のスケールのクラウド・アップサンプリング・フレームワークを提案する。 ボクセル表現から継承された完全性と規則性により、ボクセルベースのネットワークは3次元表面を近似する事前定義されたグリッド空間を提供することができる。 密度誘導グリッド再サンプリング法を開発し、高忠実度点を生成するとともに、サンプリング出力を効果的に回避する。
  論文  参考訳（メタデータ） (2024-03-08T07:31:14Z)
• Grad-PU: Arbitrary-Scale Point Cloud Upsampling via Gradient Descent with Learned Distance Functions [77.32043242988738]
  我々は、任意のアップサンプリングレートをサポートする、正確なポイントクラウドアップサンプリングのための新しいフレームワークを提案する。 提案手法は,まず,所定のアップサンプリング率に応じて低解像度の雲を補間する。
  論文  参考訳（メタデータ） (2023-04-24T06:36:35Z)
• Point Cloud Upsampling via Cascaded Refinement Network [39.79759035338819]
  粗い方法で点雲をサンプリングすることは、まともな解決法である。 既存の粗大なアップサンプリング手法では、追加のトレーニング戦略が必要となる。 本稿では,単純だが効果的なカスケード改良ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-08T07:09:37Z)
• BIMS-PU: Bi-Directional and Multi-Scale Point Cloud Upsampling [60.257912103351394]
  我々はBIMS-PUと呼ばれる新しいポイント・クラウド・アップサンプリング・パイプラインを開発した。 対象のサンプリング因子を小さな因子に分解することにより,アップ/ダウンサンプリング手順をいくつかのアップ/ダウンサンプリングサブステップに分解する。 提案手法は最先端手法よりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-25T13:13:37Z)
• PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
  本稿では,正規化フローを組み込んだPU-Flowについて述べる。 具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。 提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-13T07:45:48Z)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)

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。