論文の概要: SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform
- arxiv url: http://arxiv.org/abs/2010.11488v1
- Date: Thu, 22 Oct 2020 07:15:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 07:42:20.328679
- Title: SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform
- Title(参考訳): SEG-MAT:中間軸変換を用いた3次元形状分割
- Authors: Cheng Lin, Lingjie Liu, Changjian Li, Leif Kobbelt, Bin Wang, Shiqing
Xin, Wenping Wang
- Abstract要約: 入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。
具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。
本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
- 参考スコア(独自算出の注目度): 49.51977253452456
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Segmenting arbitrary 3D objects into constituent parts that are structurally
meaningful is a fundamental problem encountered in a wide range of computer
graphics applications. Existing methods for 3D shape segmentation suffer from
complex geometry processing and heavy computation caused by using low-level
features and fragmented segmentation results due to the lack of global
consideration. We present an efficient method, called SEG-MAT, based on the
medial axis transform (MAT) of the input shape. Specifically, with the rich
geometrical and structural information encoded in the MAT, we are able to
develop a simple and principled approach to effectively identify the various
types of junctions between different parts of a 3D shape. Extensive evaluations
and comparisons show that our method outperforms the state-of-the-art methods
in terms of segmentation quality and is also one order of magnitude faster.
- Abstract(参考訳): 任意の3Dオブジェクトを構造的に意味のある構成部品に分割することは、幅広いコンピュータグラフィックスアプリケーションで直面する根本的な問題である。
既存の3次元形状分割法は,低レベル特徴を用いた複雑な幾何処理や大域的考慮の欠如による分割結果の断片化などによる重計算に苦しむ。
入力形状の媒体軸変換(MAT)に基づくSEG-MATと呼ばれる効率的な手法を提案する。
具体的には、MATに符号化されたリッチな幾何学的および構造的情報を用いて、3次元形状の異なる部分間の様々なタイプの接合を効果的に識別する、シンプルで原則化されたアプローチを開発することができる。
広範な評価と比較の結果,本手法はセグメンテーション品質の点で最先端手法よりも優れており,また1桁の高速化も確認できた。
関連論文リスト
- A Recipe for Geometry-Aware 3D Mesh Transformers [2.0992612407358293]
本研究では, ノード数可変のパッチを収容するパッチレベルで, 特徴を埋め込む手法について検討する。
本研究は,1)一般的な3次元メッシュトランスフォーマにおける熱拡散による構造的および位置的埋め込みの重要性,2)学習の強化における測地的マスキングや機能的相互作用といった新しい要素の有効性,3)セグメント化と分類作業の課題における提案手法の優れた性能と効率性など,重要な知見を浮き彫りにしている。
論文 参考訳(メタデータ) (2024-10-31T19:13:31Z) - 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。
PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。
我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
論文 参考訳(メタデータ) (2024-07-15T08:50:02Z) - Instance-aware 3D Semantic Segmentation powered by Shape Generators and
Classifiers [28.817905887080293]
本稿では,3次元セマンティックセグメンテーションのための新しいインスタンス認識手法を提案する。
本手法は,学習した特徴表現の一貫性を促進するために,インスタンスレベルでの幾何処理タスクを組み合わせる。
論文 参考訳(メタデータ) (2023-11-21T02:14:16Z) - Geometrically Consistent Partial Shape Matching [50.29468769172704]
3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。
しばしば無視されるが、整合幾何学の重要な性質は整合性である。
本稿では,新しい整数型線形計画部分形状整合式を提案する。
論文 参考訳(メタデータ) (2023-09-10T12:21:42Z) - Neural ShDF: Reviving an Efficient and Consistent Mesh Segmentation
Method [0.0]
本稿では,メッシュセグメンテーションに先立って,ディープラーニングを利用してマッピング関数を符号化する手法を提案する。
我々のアプローチは、入力メッシュをダウンサンプルし、フル解像度構造をクエリするので、解像度に依存しない。
論文 参考訳(メタデータ) (2023-06-14T18:27:39Z) - DEF: Deep Estimation of Sharp Geometric Features in 3D Shapes [43.853000396885626]
サンプル3次元形状のシャープな幾何学的特徴を予測するための学習ベースフレームワークを提案する。
個々のパッチの結果を融合させることで、既存のデータ駆動方式では処理できない大きな3Dモデルを処理できる。
論文 参考訳(メタデータ) (2020-11-30T18:21:00Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳(メタデータ) (2020-10-23T14:49:02Z) - Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。
提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文 参考訳(メタデータ) (2020-06-15T09:15:54Z) - Unsupervised Learning of Intrinsic Structural Representation Points [50.92621061405056]
3次元形状の学習構造は、コンピュータグラフィックスと幾何学処理の分野における根本的な問題である。
本稿では,3次元構造点の形で新しい構造表現を学習するための簡易かつ解釈不能な手法を提案する。
論文 参考訳(メタデータ) (2020-03-03T17:40:00Z)
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。