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

• PanopticRecon: Leverage Open-vocabulary Instance Segmentation for Zero-shot Panoptic Reconstruction [23.798691661418253]
  シーンのRGB-D画像から新たなゼロショットパノビュート再構成手法を提案する。 我々は、高密度な一般化特徴の助けを借りて部分ラベルを伝播させることにより、両方の課題に取り組む。 本手法は,屋内データセットScanNet V2と屋外データセットKITTI-360の最先端手法より優れている。
  論文  参考訳（メタデータ） (2024-07-01T15:06:04Z)
• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• Part123: Part-aware 3D Reconstruction from a Single-view Image [54.589723979757515]
  Part123は、一視点画像から部分認識された3D再構成のための新しいフレームワークである。 ニューラルレンダリングフレームワークにコントラスト学習を導入し、部分認識機能空間を学習する。 クラスタリングに基づくアルゴリズムも開発され、再構成されたモデルから3次元部分分割結果を自動的に導出する。
  論文  参考訳（メタデータ） (2024-05-27T07:10:21Z)
• 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 [28.104227855986185]
  3D Morphable Models (3DMM) は、様々なアプリケーションで有望な3D顔再構成を提供する。 既存の方法は、監督信号の欠陥により、極端な表情で顔を再構築するのに苦労している。 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ポイントに変換し、再構成を画像面に再投影する。
  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)
• 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)
• 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。