Fugu-MT 論文翻訳(概要): Geometry Enhancements from Visual Content: Going Beyond Ground Truth

論文の概要: Geometry Enhancements from Visual Content: Going Beyond Ground Truth

arxiv url: http://arxiv.org/abs/2012.08248v1
Date: Tue, 15 Dec 2020 12:28:44 GMT
ステータス: 処理完了
システム内更新日: 2021-05-07 05:22:47.124289
Title: Geometry Enhancements from Visual Content: Going Beyond Ground Truth
Title（参考訳）: ビジュアルコンテンツからの幾何学的拡張 - 地平を越えて
Authors: Liran Azaria and Dan Raviv
Abstract要約: 本研究は,画像から高周波パターンを抽出し,幾何学的特徴として再評価する新しい巡回型アーキテクチャを提案する。深度スーパーリゾリューションタスクの最先端の結果と、視覚的に魅力的で強化された3Dモデルを紹介します。
参考スコア（独自算出の注目度）: 4.518012967046983
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work presents a new cyclic architecture that extracts high-frequency patterns from images and re-insert them as geometric features. This procedure allows us to enhance the resolution of low-cost depth sensors capturing fine details on the one hand and being loyal to the scanned ground truth on the other. We present state-of-the-art results for depth super-resolution tasks and as well as visually attractive, enhanced generated 3D models.
Abstract（参考訳）: この研究は、画像から高周波パターンを抽出し、幾何学的特徴として再挿入する新しい循環アーキテクチャを提案する。この方法では, 低コスト深度センサの分解能を向上し, 片方の手の細部を捉えるとともに, 他方の被検地真実に忠実である。深度超解像タスクの最先端結果と、視覚的に魅力的で拡張された3Dモデルについて述べる。

関連論文リスト

Self-Evolving Depth-Supervised 3D Gaussian Splatting from Rendered Stereo Pairs [27.364205809607302]
3D Gaussian Splatting (GS) は、基礎となる3Dシーンの形状を正確に表現するのにかなり苦労している。この制限に対処し、最適化プロセス全体を通して深度事前の統合を包括的に分析する。この後者は、容易に利用できるステレオネットワークからの奥行きを動的に利用し、トレーニング中にGSモデル自身がレンダリングした仮想ステレオペアを処理し、一貫した自己改善を実現する。
論文参考訳（メタデータ） (2024-09-11T17:59:58Z)
MaRINeR: Enhancing Novel Views by Matching Rendered Images with Nearby References [49.71130133080821]
MaRINeRは、近くのマッピング画像の情報を活用して、ターゲット視点のレンダリングを改善する方法である。暗黙のシーン表現と暗黙のシーン表現の両方から、定量的な指標と定性的な例のレンダリングの改善を示す。
論文参考訳（メタデータ） (2024-07-18T17:50:03Z)
GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文参考訳（メタデータ） (2024-03-15T12:24:36Z)
FineRecon: Depth-aware Feed-forward Network for Detailed 3D Reconstruction [13.157400338544177]
ポーズ画像からの3次元再構成に関する最近の研究は、深層ニューラルネットワークを用いてシーンレベルの3次元幾何を直接推定できることを実証している。推論に基づく3次元再構成の忠実度を改善するための有効な3つの方法を提案する。提案手法はスムーズかつ高精度な再構成を行い,多深度および3次元再構成の指標において顕著な改善が見られた。
論文参考訳（メタデータ） (2023-04-04T02:50:29Z)
Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
論文参考訳（メタデータ） (2023-03-03T17:14:44Z)
High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文参考訳（メタデータ） (2022-11-28T18:59:52Z)
Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文参考訳（メタデータ） (2020-08-18T06:33:40Z)
Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。これらの深度マップは、異なるビューを粗く整列するために使用される。本稿では,新しい多視点反射率推定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） (2020-03-27T21:28:54Z)

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。