論文の概要: Facetwise Mesh Refinement for Multi-View Stereo

• arxiv url: http://arxiv.org/abs/2012.00564v1
• Date: Tue, 1 Dec 2020 15:16:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-30 19:48:00.256467
• Title: Facetwise Mesh Refinement for Multi-View Stereo
• Title（参考訳）: マルチビューステレオのための顔のメッシュリファインメント
• Authors: Andrea Romanoni and Matteo Matteucci
• Abstract要約: メッシュリファインメントは、正確なMulti-View Stereoの基本的なステップである。 本稿では,改良プロセスで採用されるカメラペアの選択の問題に対処する。
• 参考スコア（独自算出の注目度）: 19.950326921904093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mesh refinement is a fundamental step for accurate Multi-View Stereo. It modifies the geometry of an initial manifold mesh to minimize the photometric error induced in a set of camera pairs. This initial mesh is usually the output of volumetric 3D reconstruction based on min-cut over Delaunay Triangulations. Such methods produce a significant amount of non-manifold vertices, therefore they require a vertex split step to explicitly repair them. In this paper, we extend this method to preemptively fix the non-manifold vertices by reasoning directly on the Delaunay Triangulation and avoid most vertex splits. The main contribution of this paper addresses the problem of choosing the camera pairs adopted by the refinement process. We treat the problem as a mesh labeling process, where each label corresponds to a camera pair. Differently from the state-of-the-art methods, which use each camera pair to refine all the visible parts of the mesh, we choose, for each facet, the best pair that enforces both the overall visibility and coverage. The refinement step is applied for each facet using only the camera pair selected. This facetwise refinement helps the process to be applied in the most evenly way possible.
• Abstract（参考訳）: メッシュリファインメントは、正確なMulti-View Stereoの基本的なステップである。 初期多様体メッシュの幾何学を修正し、カメラ対の集合で誘導される測光誤差を最小限にする。 この初期メッシュは、通常、Delaunay Triangulations上のmin-cutに基づくボリューム3D再構成の出力である。 このような手法は、かなりの量の非多様体頂点を生成するため、それらを明示的に修復するために頂点分割ステップが必要となる。 本稿では,この手法を拡張して,デラウネー三角法を直接推論することで,非多様体頂点をプリエンプティブに修正し,ほとんどの頂点分割を避ける。 本論文の主な貢献は、精細化プロセスで採用されるカメラペアの選択の問題である。 我々は,この問題をメッシュラベリングプロセスとして扱い,各ラベルがカメラペアに対応する。 各カメラペアを使用してメッシュの可視部分をすべて洗練する最先端の方法とは違って、私たちは、全体の可視性とカバレッジの両方を強制する最善のペアを選択します。 精製工程は、選択されたカメラ対のみを用いて各面に適用される。 この面的な改善は、最も均等な方法でプロセスを適用するのに役立つ。

関連論文リスト

• MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization [65.15226276553891]
  MeshAnything V2はArtist-Created Meshを作成するために設計された高度なメッシュ生成モデルである。 MeshAnything V2の背後にある重要なイノベーションは、新しいAdjacent Mesh Tokenization(AMT)メソッドです。
  論文  参考訳（メタデータ） (2024-08-05T15:33:45Z)
• 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)
• Monocular 3D Hand Mesh Recovery via Dual Noise Estimation [47.82179706128616]
  画像によく整合したメッシュを生成するための二重雑音推定手法を提案する。 提案手法は,大規模なInterhand2.6Mデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-12-26T07:21:01Z)
• Fine Dense Alignment of Image Bursts through Camera Pose and Depth Estimation [45.11207941777178]
  本稿では,ハンドヘルドカメラが捉えたバースト内の画像の微細なアライメントに対する新しいアプローチを提案する。 提案アルゴリズムは、各画素におけるカメラの動きと表面の深さと向きの両方を最適化することにより、密度の高い対応性を確立する。
  論文  参考訳（メタデータ） (2023-12-08T17:22:04Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• Deep Rectangling for Image Stitching: A Learning Baseline [57.76737888499145]
  我々は不規則な境界やシーンに大きな多様性を持つ最初の画像縫合整形データセットを構築した。 実験では、従来の方法よりも定量的にも質的にも優位性を示す。
  論文  参考訳（メタデータ） (2022-03-08T03:34:10Z)
• Efficient texture mapping via a non-iterative global texture alignment [0.0]
  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。
  論文  参考訳（メタデータ） (2020-11-02T10:24:19Z)
• Monocular, One-stage, Regression of Multiple 3D People [105.3143785498094]
  我々は、複数の3D人物(ROMP)のための1段階方式で全てのメッシュを回帰することを提案する。 本手法は,体温マップとメッシュマップを同時に予測し,画素レベルの3Dボディメッシュを共同で記述する。 最先端の手法と比較して、ROMPは挑戦的なマルチパーソンベンチマークよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-08-27T17:21:47Z)

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。