論文の概要: Descriptor-Free Multi-View Region Matching for Instance-Wise 3D
Reconstruction
- arxiv url: http://arxiv.org/abs/2011.13649v1
- Date: Fri, 27 Nov 2020 10:45:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 02:12:39.454703
- Title: Descriptor-Free Multi-View Region Matching for Instance-Wise 3D
Reconstruction
- Title(参考訳): インスタンスワイズ3次元再構成のためのディスクリプタフリーマルチビュー領域マッチング
- Authors: Takuma Doi, Fumio Okura, Toshiki Nagahara, Yasuyuki Matsushita,
Yasushi Yagi
- Abstract要約: エピポーラ幾何学に基づく多視点領域マッチング手法を提案する。
エピポーラ領域マッチングは、容易にインスタンスセグメンテーションに統合でき、インスタンスワイド3D再構成に有効であることを示す。
- 参考スコア(独自算出の注目度): 34.21773285521006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a multi-view extension of instance segmentation without
relying on texture or shape descriptor matching. Multi-view instance
segmentation becomes challenging for scenes with repetitive textures and
shapes, e.g., plant leaves, due to the difficulty of multi-view matching using
texture or shape descriptors. To this end, we propose a multi-view region
matching method based on epipolar geometry, which does not rely on any feature
descriptors. We further show that the epipolar region matching can be easily
integrated into instance segmentation and effective for instance-wise 3D
reconstruction. Experiments demonstrate the improved accuracy of multi-view
instance matching and the 3D reconstruction compared to the baseline methods.
- Abstract(参考訳): 本稿では,テクスチャや形状記述子マッチングに頼らずに,インスタンスセグメンテーションのマルチビュー拡張を提案する。
マルチビューインスタンスのセグメンテーションは、テクスチャや形状記述子を使ったマルチビューマッチングが難しいため、繰り返しのテクスチャや形、例えば植物葉を持つシーンでは困難になる。
そこで本研究では,特徴記述子に依存しないエピポーラ幾何学に基づく多視点領域マッチング手法を提案する。
さらに, エピポーラ領域マッチングは, 容易にインスタンスセグメンテーションに統合でき, 3次元再構成に有効であることを示す。
実験により,マルチビューインスタンスマッチングと3次元再構成の精度が,ベースライン法と比較して向上した。
関連論文リスト
- SD-MVS: Segmentation-Driven Deformation Multi-View Stereo with Spherical
Refinement and EM optimization [6.886220026399106]
テクスチャレス領域の3次元再構成における課題を解決するために,多視点ステレオ (SD-MVS) を導入する。
私たちは、シーン内のセグメンテーションインスタンスを区別するためにSAM(Segment Anything Model)を採用した最初の人です。
球面座標と正規点の勾配勾配と深度の画素方向探索間隔を組み合わせた独自の精細化戦略を提案する。
論文 参考訳(メタデータ) (2024-01-12T05:25:57Z) - EipFormer: Emphasizing Instance Positions in 3D Instance Segmentation [51.996943482875366]
本稿では, プログレッシブアグリゲーションとデュアル位置埋め込みを組み合わせた新しいトランスフォーマーアーキテクチャ, EipFormerを提案する。
EipFormerは最先端のアプローチよりも優れた、あるいは同等のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-12-09T16:08:47Z) - 3D Face Reconstruction with the Geometric Guidance of Facial Part
Segmentation [30.15150714877912]
部分再投影距離損失(PRDL)は、顔部分のセグメンテーションを2Dポイントに変換する。
PRDLは、顔再構成のための点集合の分布を最適化するための幾何学記述子を確立する。
論文 参考訳(メタデータ) (2023-12-01T03:05:21Z) - 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) - ONeRF: Unsupervised 3D Object Segmentation from Multiple Views [59.445957699136564]
OneRFは、追加のマニュアルアノテーションなしで、マルチビューのRGBイメージから3Dのオブジェクトインスタンスを自動的に分割し、再構成する手法である。
セグメント化された3Dオブジェクトは、様々な3Dシーンの編集と新しいビューレンダリングを可能にする別個のNeRF(Neural Radiance Fields)を使用して表現される。
論文 参考訳(メタデータ) (2022-11-22T06:19:37Z) - 3D Instance Segmentation of MVS Buildings [5.2517244720510305]
本稿では,多視点ステレオ(MVS)都市シーンから3次元建物をセグメント化するための新しい枠組みを提案する。
この研究の重点は、大型で不正確な3D表面モデルに取り付けられたとしても、3Dビルディングインスタンスを検出し、セグメンテーションすることにある。
論文 参考訳(メタデータ) (2021-12-18T11:12:38Z) - Isometric Multi-Shape Matching [58.75590108535401]
形状間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の基本的な問題である。
アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。
定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
論文 参考訳(メタデータ) (2020-12-04T15:58:34Z) - SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
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。
論文 参考訳(メタデータ) (2020-10-22T07:15:23Z) - Object-Centric Multi-View Aggregation [86.94544275235454]
本稿では,オブジェクトのスパースなビュー集合を集約して,半単純3次元表現を容積特徴格子の形で計算する手法を提案する。
我々のアプローチの鍵となるのは、カメラのポーズを明示することなく、ビューを持ち上げることができるオブジェクト中心の標準3D座標システムである。
画素から標準座標系への対称対応マッピングの計算により、未知の領域への情報伝達がより良くなることを示す。
論文 参考訳(メタデータ) (2020-07-20T17:38:31Z) - End-to-End Learning Local Multi-view Descriptors for 3D Point Clouds [67.27510166559563]
3Dポイントクラウドのためのローカルなマルチビュー記述子を学習するためのエンドツーエンドフレームワークを提案する。
本手法は,既存の局所記述子を定量的かつ定性的に上回る。
論文 参考訳(メタデータ) (2020-03-12T15:41:34Z)
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。