論文の概要: Efficient texture mapping via a non-iterative global texture alignment

• arxiv url: http://arxiv.org/abs/2011.00870v1
• Date: Mon, 2 Nov 2020 10:24:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 12:13:54.973399
• Title: Efficient texture mapping via a non-iterative global texture alignment
• Title（参考訳）: 非定位グローバルテクスチャアライメントによる効率的なテクスチャマッピング
• Authors: Mohammad Rouhani, Matthieu Fradet, Caroline Baillard
• Abstract要約: 与えられた3次元シーンのシームレスなテクスチャ再構築のための非定位的手法を提案する。 本手法は,グローバルな最適化フレームワークを用いて,一つのショットで最高のテクスチャアライメントを見出す。 実験の結果、他のアライメント法と比較して計算複雑性と性能が低いことが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Texture reconstruction techniques generally suffer from the errors in keyframe poses. We present a non-iterative method for seamless texture reconstruction of a given 3D scene. Our method finds the best texture alignment in a single shot using a global optimisation framework. First, we automatically select the best keyframe to texture each face of the mesh. This leads to a decomposition of the mesh into small groups of connected faces associated to a same keyframe. We call such groups fragments. Then, we propose a geometry-aware matching technique between the 3D keypoints extracted around the fragment borders, where the matching zone is controlled by the margin size. These constraints lead to a least squares (LS) model for finding the optimal alignment. Finally, visual seams are further reduced by applying a fast colour correction. In contrast to pixel-wise methods, we find the optimal alignment by solving a sparse system of linear equations, which is very fast and non-iterative. Experimental results demonstrate low computational complexity and outperformance compared to other alignment methods.
• Abstract（参考訳）: テクスチャの再構築技術は一般的に、キーフレームのポーズの誤りに苦しむ。 与えられた3次元シーンのシームレスなテクスチャ再構築のための非定位的手法を提案する。 本手法は,グローバル最適化フレームワークを用いて,単一ショットで最高のテクスチャアライメントを求める。 まず、メッシュの各顔のテクスチャに最適なキーフレームを自動的に選択します。 これにより、メッシュは、同じキーフレームに関連する接続面の小さなグループに分解される。 このようなグループをフラグメントと呼ぶ。 そこで, フラグメント境界付近で抽出された3次元キーポイント間の幾何対応マッチング手法を提案し, マッチングゾーンをマージンサイズで制御する。 これらの制約は最適アライメントを見つけるための最小二乗(LS)モデルにつながる。 最後に、高速な色補正を施すことにより、視覚効果をさらに低減する。 画素分割法とは対照的に、非常に高速で非イテレーティブな線形方程式のスパース系を解いて最適アライメントを求める。 実験結果は他のアライメント法と比較して計算の複雑さと性能が低かったことを示している。

関連論文リスト

• GenesisTex: Adapting Image Denoising Diffusion to Texture Space [15.907134430301133]
  GenesisTexはテキスト記述から3次元幾何学のテクスチャを合成する新しい手法である。 我々は,各視点に対して潜在テクスチャマップを保持し,対応する視点の描画に予測ノイズを伴って更新する。 大域的整合性は、ノイズ予測ネットワーク内のスタイル整合性機構の統合によって達成される。
  論文  参考訳（メタデータ） (2024-03-26T15:15:15Z)
• TexRO: Generating Delicate Textures of 3D Models by Recursive Optimization [54.59133974444805]
  TexROは、UVテクスチャを最適化することで、既知の3Dメッシュの繊細なテクスチャを生成する新しい方法である。 テクスチャ品質,ディテール保存,視覚的一貫性,特に実行速度の観点から,TexROの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-22T07:45:51Z)
• SceneTex: High-Quality Texture Synthesis for Indoor Scenes via Diffusion Priors [49.03627933561738]
  SceneTexは、奥行き拡散前処理を用いた室内シーンの高品質でスタイルに一貫性のあるテクスチャを生成する新しい方法である。 SceneTexは3D-FRONTシーンの様々な正確なテクスチャ合成を可能にする。
  論文  参考訳（メタデータ） (2023-11-28T22:49:57Z)
• Generative Escher Meshes [14.29301974658956]
  本稿では,完全自動テキスト誘導による周期的,周期的,タイル可能な2D画像生成手法を提案する。 タイピング時にシームレスな正方形テクスチャ画像とは対照的に,本手法では非正方形タイリングを生成する。 提案手法は,多種多様な周期パターンに対して,非自明なタイルを用いて,可塑性で魅力的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-09-25T22:24:02Z)
• Large-scale and Efficient Texture Mapping Algorithm via Loopy Belief Propagation [4.742825811314168]
  テクスチャマッピングアルゴリズムは、これらのビューからメッシュモデルへのビュー、ヒューズ、およびマップテクスチャを効率的に選択できなければならない。 既存のアプローチでは、画像の数を1つのビューに制限するか、グローバルな推論を単純化して局所的な色の一貫性を達成している。 本稿では,顔ごとのテクスチャの複数のビューを利用できる新しい,効率的なテクスチャマッピングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-08T15:11:28Z)
• ARF: Artistic Radiance Fields [63.79314417413371]
  本稿では,任意のスタイル画像の芸術的特徴を3Dシーンに転送する方法を提案する。 点雲やメッシュ上で3次元スタイリングを行う従来の手法は、幾何的再構成誤差に敏感である。 より頑健なラディアンス場表現の体系化を提案する。
  論文  参考訳（メタデータ） (2022-06-13T17:55:31Z)
• Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
  多視点画像観測による材料と照明の協調最適化手法を提案する。 従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
  論文  参考訳（メタデータ） (2021-11-24T13:58:20Z)
• Geometric Correspondence Fields: Learned Differentiable Rendering for 3D Pose Refinement in the Wild [96.09941542587865]
  野生の任意のカテゴリのオブジェクトに対する微分可能レンダリングに基づく新しい3次元ポーズ精細化手法を提案する。 このようにして、3DモデルとRGB画像のオブジェクトを正確に整列し、3Dポーズ推定を大幅に改善する。 我々は、Pix3Dデータセットの挑戦に対するアプローチを評価し、複数のメトリクスにおける最先端の精錬手法と比較して、最大55%の改善を実現した。
  論文  参考訳（メタデータ） (2020-07-17T12:34:38Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)

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。