論文の概要: Better Patch Stitching for Parametric Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2010.07021v1
• Date: Wed, 14 Oct 2020 12:37:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 13:36:20.666169
• Title: Better Patch Stitching for Parametric Surface Reconstruction
• Title（参考訳）: パラメトリック表面再構成のためのパッチステッチングの改善
• Authors: Zhantao Deng, Jan Bedna\v{r}\'ik, Mathieu Salzmann, Pascal Fua
• Abstract要約: ローカルマッピングのグローバルな一貫性を明示的に促進するアプローチを導入する。 第一項は表面の正規性を利用しており、個々の写像内および全体にわたって推定された場合、局所的に一貫した状態を保つことを要求する。 第2項はさらに、新しい縫合誤差を最小化することにより、マッピングの空間構成を改善する。
• 参考スコア（独自算出の注目度）: 100.55842629739574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, parametric mappings have emerged as highly effective surface representations, yielding low reconstruction error. In particular, the latest works represent the target shape as an atlas of multiple mappings, which can closely encode object parts. Atlas representations, however, suffer from one major drawback: The individual mappings are not guaranteed to be consistent, which results in holes in the reconstructed shape or in jagged surface areas. We introduce an approach that explicitly encourages global consistency of the local mappings. To this end, we introduce two novel loss terms. The first term exploits the surface normals and requires that they remain locally consistent when estimated within and across the individual mappings. The second term further encourages better spatial configuration of the mappings by minimizing novel stitching error. We show on standard benchmarks that the use of normal consistency requirement outperforms the baselines quantitatively while enforcing better stitching leads to much better visual quality of the reconstructed objects as compared to the state-of-the-art.
• Abstract（参考訳）: 近年、パラメトリックマッピングは、高い有効表面表現として現れ、低い再構成誤差を生じる。 特に、最新の作品は対象の形状を複数のマッピングのアトラスとして表現しており、オブジェクト部品を密にエンコードすることができる。 しかし、アトラス表現には1つの大きな欠点がある。個々のマッピングは一貫性が保証されていないため、再構成された形状やジャグリングされた表面領域に穴が開くことになる。 ローカルマッピングのグローバル一貫性を明示的に奨励するアプローチを導入する。 この目的のために2つの新しい損失項を導入する。 第一項では、表面の正規性を利用し、個々のマッピング内外における推定時に局所的に一貫性を保つことを要求する。 第二項はさらに、新しい縫合誤差を最小限にしてマッピングの空間的構成を改善する。 標準ベンチマークでは, 通常の整合性要件を用いることで, 基準線を定量的に上回り, 縫合性も向上し, 再建された物体の視覚的品質は, 最先端のものと比べ, はるかに向上することを示した。

関連論文リスト

• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• NeuSurf: On-Surface Priors for Neural Surface Reconstruction from Sparse Input Views [41.03837477483364]
  本研究では,表面の高度に忠実な再構成を実現するために,地上の事前情報を活用する新しいスパース・ビュー・リコンストラクション・フレームワークを提案する。 具体的には,大域的幾何アライメントと局所的幾何洗練に関するいくつかの制約を設計し,粗い形状と細部を協調的に最適化する。 DTUとBlendedMVSデータセットによる2つの一般的なスパース設定の実験結果は、最先端の手法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2023-12-21T16:04:45Z)
• PRS: Sharp Feature Priors for Resolution-Free Surface Remeshing [30.28380889862059]
  本稿では,自動特徴検出とリメッシングのためのデータ駆動方式を提案する。 提案アルゴリズムは,Fスコアの26%,知覚値の42%がtextRMSE_textv$である。
  論文  参考訳（メタデータ） (2023-11-30T12:15:45Z)
• Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
  多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。 近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。 本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
  論文  参考訳（メタデータ） (2023-09-14T12:05:29Z)
• Critical Regularizations for Neural Surface Reconstruction in the Wild [26.460011241432092]
  本稿では,高品質でロバストな再構成結果を得るのに,適切な点クラウド監視と幾何正規化が十分であることを示すRegSDFを提案する。 RegSDFは、複雑なトポロジと非構造化カメラ軌道を持つオープンシーンであっても、細部で表面を再構築することができる。
  論文  参考訳（メタデータ） (2022-06-07T08:11:22Z)
• Improving neural implicit surfaces geometry with patch warping [12.106051690920266]
  これはニューラルネットワークによる高周波テクスチャの学習と描画が難しいことによるものだ、と私たちは主張する。 我々は、異なる視点で直接光一貫性項を標準のニューラルレンダリング最適化に追加することを提案する。 我々は、標準的なDTUおよびEPFLベンチマークでNeuralWarpと呼ばれるアプローチを評価し、両方のデータセットにおいて、教師なしの暗黙的表面再構成の状態を20%以上向上させることを示す。
  論文  参考訳（メタデータ） (2021-12-17T17:43:50Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Sign-Agnostic CONet: Learning Implicit Surface Reconstructions by Sign-Agnostic Optimization of Convolutional Occupancy Networks [39.65056638604885]
  畳み込み型ネットワークの符号非依存最適化により暗黙的表面再構成を学習する。 この目標をシンプルで効果的な設計で効果的に達成できることを示す。
  論文  参考訳（メタデータ） (2021-05-08T03:35:32Z)
• 3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial Learning [54.24887282693925]
  本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。 既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。 実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
  論文  参考訳（メタデータ） (2020-09-30T17:12:35Z)
• Point2Mesh: A Self-Prior for Deformable Meshes [83.31236364265403]
  本稿では,入力点雲から表面メッシュを再構築する技術であるPoint2Meshを紹介する。 自己優先型は、ディープニューラルネットワークの重み内の単一の形状から幾何的繰り返しをカプセル化する。 ここでは,Point2Meshが所望の解に収束することを示す。
  論文  参考訳（メタデータ） (2020-05-22T10:01:04Z)

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。