論文の概要: SHARP 2020: The 1st Shape Recovery from Partial Textured 3D Scans Challenge Results

• arxiv url: http://arxiv.org/abs/2010.13508v1
• Date: Mon, 26 Oct 2020 12:05:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 19:25:09.152293
• Title: SHARP 2020: The 1st Shape Recovery from Partial Textured 3D Scans Challenge Results
• Title（参考訳）: SHARP 2020: 部分テクスチャ型3Dスキャンによる最初の形状復元
• Authors: Alexandre Saint, Anis Kacem, Kseniya Cherenkova, Konstantinos Papadopoulos, Julian Chibane, Gerard Pons-Moll, Gleb Gusev, David Fofi, Djamila Aouada, and Bjorn Ottersten
• Abstract要約: SHARP 2020は、生の不完全なデータから完全なテクスチャ化された3Dスキャンを復元するための、最初の挑戦とベンチマーク手法である。 補完的な課題は2つあり、ひとつは3Dスキャンで、もうひとつはジェネリックオブジェクトでである。 形状復元, テクスチャ再構築, 完成したデータの量とを共同で定量化するために, 新たな評価基準を提案する。
• 参考スコア（独自算出の注目度）: 90.42321856720633
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The SHApe Recovery from Partial textured 3D scans challenge, SHARP 2020, is the first edition of a challenge fostering and benchmarking methods for recovering complete textured 3D scans from raw incomplete data. SHARP 2020 is organised as a workshop in conjunction with ECCV 2020. There are two complementary challenges, the first one on 3D human scans, and the second one on generic objects. Challenge 1 is further split into two tracks, focusing, first, on large body and clothing regions, and, second, on fine body details. A novel evaluation metric is proposed to quantify jointly the shape reconstruction, the texture reconstruction and the amount of completed data. Additionally, two unique datasets of 3D scans are proposed, to provide raw ground-truth data for the benchmarks. The datasets are released to the scientific community. Moreover, an accompanying custom library of software routines is also released to the scientific community. It allows for processing 3D scans, generating partial data and performing the evaluation. Results of the competition, analysed in comparison to baselines, show the validity of the proposed evaluation metrics, and highlight the challenging aspects of the task and of the datasets. Details on the SHARP 2020 challenge can be found at https://cvi2.uni.lu/sharp2020/.
• Abstract（参考訳）: SHApe Recovery from partial textured 3D scans Challenge, SHARP 2020は、完全なテクスチャ化された3Dスキャンを生の不完全なデータから回収するための、最初の挑戦とベンチマーク手法である。 SHARP 2020はECCV 2020と共同でワークショップとして組織されている。 補完的な課題は2つあり、ひとつは3Dスキャンで、もうひとつはジェネリックオブジェクトでである。 チャレンジ1はさらに2つのトラックに分けられ、第一に大きな体と衣服の領域、第二に細かな体の詳細に焦点を当てている。 形状復元, テクスチャ再構築, および完成したデータ量を同時に定量化するための新しい評価指標を提案する。 さらに,2つのユニークな3Dスキャンデータセットが提案され,ベンチマークに生の地層構造データを提供する。 データセットは科学コミュニティに公開されています。 さらに、付属するソフトウェアルーチンのカスタムライブラリも科学コミュニティにリリースされている。 3dスキャンを処理し、部分データを生成し、評価を行うことができる。 コンペの結果は、ベースラインと比較して分析され、提案された評価指標の有効性を示し、タスクとデータセットの難易度を強調する。 SHARP 2020の課題の詳細はhttps://cvi2.uni.lu/sharp 2020/にある。

関連論文リスト

• FAMOUS: High-Fidelity Monocular 3D Human Digitization Using View Synthesis [51.193297565630886]
  テクスチャを正確に推測することの難しさは、特に正面視画像の人物の背中のような不明瞭な領域に残る。 このテクスチャ予測の制限は、大規模で多様な3Dデータセットの不足に起因する。 本稿では,3次元デジタル化におけるテクスチャと形状予測の両立を図るために,広範囲な2次元ファッションデータセットを活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-13T01:25:05Z)
• Generalizing Single-View 3D Shape Retrieval to Occlusions and Unseen Objects [32.32128461720876]
  シングルビュー3D形状検索は、利用可能な3Dデータの増大に伴ってますます重要になる課題である。 我々は,3つの異なる軸に沿って一視点の3次元形状検索を体系的に評価し,物体の閉塞や切り離しの存在,見えない3次元形状データへの一般化,入力画像における見えない物体への一般化について検討した。
  論文  参考訳（メタデータ） (2023-12-31T05:39:38Z)
• SCoDA: Domain Adaptive Shape Completion for Real Scans [78.92028595499245]
  点雲からの3D形状の完成は、特に現実世界のオブジェクトのスキャンによる難しい作業である。 合成データから実スキャン形状完了の領域適応のための新しいタスクであるSCoDAを提案する。 本稿では,知識伝達のための新しいクロスドメイン機能融合手法と,実データからの堅牢な学習のための新しいボリューム一貫性の自己学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-20T09:38:26Z)
• TSCom-Net: Coarse-to-Fine 3D Textured Shape Completion Network [14.389603490486364]
  3次元部分的テクスチャスキャンから3次元の人体形状を再構築することは、多くのコンピュータビジョンやグラフィックスアプリケーションにとって基本的な課題である。 本稿では,3次元体形状と高分解能テクスチャ補完の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。
  論文  参考訳（メタデータ） (2022-08-18T11:06:10Z)
• Recovering 3D Human Mesh from Monocular Images: A Survey [49.00136388529404]
  単眼画像から人間のポーズと形状を推定することは、コンピュータビジョンにおける長年の問題である。 本調査は, 単分子型3次元メッシュ回収の課題に焦点を当てた。
  論文  参考訳（メタデータ） (2022-03-03T18:56:08Z)
• Learning Anthropometry from Rendered Humans [6.939794498223168]
  2,675人の女性と1,474男性のスキャンの新しい3Dスキャンデータセットを紹介します。 我々はまた、200 RGB画像とテープ測定地上真実の小さなデータセットを紹介します。 2つの新しいデータセットの助けを借りて,2次元画像から人文計測を推定する部分型形状モデルと深層ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-01-07T12:26:39Z)
• Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
  人間のポーズ推定は、過去10年間に注目を集めてきた。 ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。 最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-12-24T18:49:06Z)
• 3DBooSTeR: 3D Body Shape and Texture Recovery [76.91542440942189]
  3DBooSTeRは、部分的な3Dスキャンからテクスチャ化された3Dボディメッシュを復元する新しい方法である。 提案手法は形状とテクスチャの完成を2つの逐次的なタスクに分解する。
  論文  参考訳（メタデータ） (2020-10-23T21:07:59Z)

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。