Fugu-MT 論文翻訳(概要): Sparse-data based 3D surface reconstruction with vector matching

論文の概要: Sparse-data based 3D surface reconstruction with vector matching

arxiv url: http://arxiv.org/abs/2009.12994v1
Date: Mon, 28 Sep 2020 00:36:49 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 22:32:51.614300
Title: Sparse-data based 3D surface reconstruction with vector matching
Title（参考訳）: ベクトルマッチングを用いたスパースデータに基づく3次元表面再構成
Authors: Bin Wu, Xue-Cheng Tai, and Talal Rahman
Abstract要約: 正規ベクトルマッチングと第1次および第2次全変分正規化器を組み合わせた新しいモデルが提案されている。拡張ラグランジアンに基づく高速アルゴリズムも提案されている。
参考スコア（独自算出の注目度）: 4.471370467116141
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Three dimensional surface reconstruction based on two dimensional sparse information in the form of only a small number of level lines of the surface with moderately complex structures, containing both structured and unstructured geometries, is considered in this paper. A new model has been proposed which is based on the idea of using normal vector matching combined with a first order and a second order total variation regularizers. A fast algorithm based on the augmented Lagrangian is also proposed. Numerical experiments are provided showing the effectiveness of the model and the algorithm in reconstructing surfaces with detailed features and complex structures for both synthetic and real world digital maps.
Abstract（参考訳）: 本論文では, 2次元スパース情報に基づく3次元表面再構成について, 構造的および非構造的ジオメトリを含む, 適度に複雑な構造を有する表面の少量の水平線のみを用いて検討する。正規ベクトルマッチングと第1次および第2次全変分正規化器を組み合わせた新しいモデルが提案されている。拡張ラグランジアンに基づく高速アルゴリズムも提案されている。合成および実世界のデジタルマップの詳細な特徴と複雑な構造を持つ表面の再構成におけるモデルとアルゴリズムの有効性を示す数値実験を行った。

関連論文リスト

AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
論文参考訳（メタデータ） (2024-10-02T03:10:38Z)
GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文参考訳（メタデータ） (2024-03-15T12:24:36Z)
Spectral Meets Spatial: Harmonising 3D Shape Matching and Interpolation [50.376243444909136]
本稿では,3次元形状の対応と形状の両面を統一的に予測する枠組みを提案する。我々は、スペクトル領域と空間領域の両方の形状を地図化するために、奥行き関数写像フレームワークと古典的な曲面変形モデルを組み合わせる。
論文参考訳（メタデータ） (2024-02-29T07:26:23Z)
GEM3D: GEnerative Medial Abstractions for 3D Shape Synthesis [25.594334301684903]
GEM3Dは3次元形状の新しい深層トポロジ対応生成モデルである。本手法の主な要素は,形状トポロジーと幾何学の両方の情報をコードする神経骨格に基づく表現である。我々は,最先端技術と比較して,表面の忠実な再構築と多様な形状生成結果を示す。
論文参考訳（メタデータ） (2024-02-26T20:00:57Z)
Reconstructing Compact Building Models from Point Clouds Using Deep Implicit Fields [4.683612295430956]
我々は点雲からコンパクトで水密な多角形建築モデルを再構築するための新しい枠組みを提案する。合成および実世界の点雲の両方の実験により、我々の神経誘導戦略により、高品質な建築モデルは、忠実性、コンパクト性、計算効率において大きな利点をもって得られることが実証された。
論文参考訳（メタデータ） (2021-12-24T21:32:32Z)
Automated LoD-2 Model Reconstruction from Very-HighResolution Satellite-derived Digital Surface Model and Orthophoto [1.2691047660244335]
本稿では,LoD-2ビルディングモデルを「分解最適化最適化」パラダイムに従って再構成するモデル駆動手法を提案する。提案手法は,既存の手法に対するいくつかの技術的問題点に対処し,その有効性を実証した。
論文参考訳（メタデータ） (2021-09-08T19:03:09Z)
Learning to generate shape from global-local spectra [0.0]
我々は,この手法を,いわゆる形状-スペクトルパラダイムの最近の進歩の上に構築する。我々は、スペクトルを自然なものとみなし、形状の多様性を符号化するために表現を使用する準備ができている。提案手法は既存手法や代替手法と比較して改善された。
論文参考訳（メタデータ） (2021-08-04T16:39:56Z)
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)
Learning Unsupervised Hierarchical Part Decomposition of 3D Objects from a Single RGB Image [102.44347847154867]
プリミティブの集合として3次元オブジェクトの幾何を共同で復元できる新しい定式化を提案する。我々のモデルは、プリミティブのバイナリツリーの形で、様々なオブジェクトの高レベルな構造的分解を復元する。 ShapeNet と D-FAUST のデータセットを用いた実験により,部品の組織化を考慮すれば3次元形状の推論が容易になることが示された。
論文参考訳（メタデータ） (2020-04-02T17:58:05Z)
Convolutional Occupancy Networks [88.48287716452002]
本稿では,オブジェクトと3Dシーンの詳細な再構築のための,より柔軟な暗黙的表現である畳み込み機能ネットワークを提案する。畳み込みエンコーダと暗黙の占有デコーダを組み合わせることで、帰納的バイアスが組み込まれ、3次元空間における構造的推論が可能となる。実験により,本手法は単一物体の微細な3次元再構成,大規模屋内シーンへのスケール,合成データから実データへの一般化を可能にした。
論文参考訳（メタデータ） (2020-03-10T10:17:07Z)
STD-Net: Structure-preserving and Topology-adaptive Deformation Network for 3D Reconstruction from a Single Image [27.885717341244014]
単一のビューイメージからの3D再構成は、コンピュータビジョンにおける長年の進歩である。本稿では,メッシュ表現を用いた3次元モデル再構築のためのSTD-Netを提案する。 ShapeNetの画像による実験結果から, 提案したSTD-Netは, 3Dオブジェクトを再構成する他の最先端手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2020-03-07T11:02:47Z)

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。