Fugu-MT 論文翻訳(概要): Real Time Incremental Foveal Texture Mapping for Autonomous Vehicles

論文の概要: Real Time Incremental Foveal Texture Mapping for Autonomous Vehicles

arxiv url: http://arxiv.org/abs/2101.06393v1
Date: Sat, 16 Jan 2021 07:41:24 GMT
ステータス: 処理完了
システム内更新日: 2021-03-28 04:29:34.332822
Title: Real Time Incremental Foveal Texture Mapping for Autonomous Vehicles
Title（参考訳）: 自律走行車における実時間インクリメンタル布地テクスチャマッピング
Authors: Ashish Kumar, James R. McBride, Gaurav Pandey
Abstract要約: 生成された詳細なマップは、さまざまなビジョンと計画アルゴリズムの仮想テストベッドとして機能します。また、さまざまなビジョンおよび計画アルゴリズムの背景マップとしても機能します。
参考スコア（独自算出の注目度）: 11.702817783491616
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We propose an end-to-end real time framework to generate high resolution graphics grade textured 3D map of urban environment. The generated detailed map finds its application in the precise localization and navigation of autonomous vehicles. It can also serve as a virtual test bed for various vision and planning algorithms as well as a background map in the computer games. In this paper, we focus on two important issues: (i) incrementally generating a map with coherent 3D surface, in real time and (ii) preserving the quality of color texture. To handle the above issues, firstly, we perform a pose-refinement procedure which leverages camera image information, Delaunay triangulation and existing scan matching techniques to produce high resolution 3D map from the sparse input LIDAR scan. This 3D map is then texturized and accumulated by using a novel technique of ray-filtering which handles occlusion and inconsistencies in pose-refinement. Further, inspired by human fovea, we introduce foveal-processing which significantly reduces the computation time and also assists ray-filtering to maintain consistency in color texture and coherency in 3D surface of the output map. Moreover, we also introduce texture error (TE) and mean texture mapping error (MTME), which provides quantitative measure of texturing and overall quality of the textured maps.
Abstract（参考訳）: 都市環境の高解像度グラフィックスグレードテクスチャマップを生成するためのエンドツーエンドリアルタイムフレームワークを提案する。生成された詳細なマップは、自動運転車の正確な位置決めとナビゲーションにその応用を見出す。また、様々なビジョンと計画アルゴリズムのための仮想テストベッドや、コンピュータゲームにおける背景マップとしても機能する。本稿では,(1)コヒーレントな3次元表面を持つ地図を逐次生成する,(2)カラーテクスチャの品質を維持する,という2つの重要な課題に焦点を当てる。まず、カメラ画像情報、デローネ三角測量、および既存のスキャンマッチング技術を利用して、スパース入力lidarスキャンから高解像度3dマップを生成するポーズリファインメントを行う。そして、この3Dマップをテクスチュア化して、ポーズ補正におけるオクルージョンと不整合を処理する新しい手法を用いて蓄積する。さらに,人間のfoveaに触発されて,計算時間を大幅に削減するとともに,光フィルタによるカラーテクスチャの一貫性維持と出力マップの3次元面のコヒーレンシ維持を支援するfoveal処理を導入する。さらに,テクスチャマップの質とテクスチャの質を定量的に測定するテクスチャエラー(te)と平均テクスチャマッピングエラー(mtme)についても紹介する。

関連論文リスト

Texture-GS: Disentangling the Geometry and Texture for 3D Gaussian Splatting Editing [79.10630153776759]
3Dガウススプラッティングは画期的なアプローチとして登場し、高忠実度再構成とリアルタイムレンダリングの能力に注目が集まっている。そこで我々は,テクスチャ-GSという新しいアプローチを提案し,その外観を3次元表面上にマッピングされた2次元テクスチャとして表現することで幾何学から切り離す。提案手法は,高精細な外観の編集を容易にするだけでなく,コンシューマレベルのデバイス上でのリアルタイムレンダリングも実現している。
論文参考訳（メタデータ） (2024-03-15T06:42:55Z)
Neural Rendering based Urban Scene Reconstruction for Autonomous Driving [8.007494499012624]
ニューラルな暗黙表面と放射場を組み合わせたフレームワークを用いたマルチモーダル3次元シーン再構成を提案する。 Dense 3Dリコンストラクションは、自動アノテーションバリデーションを含む自動走行に多くの応用がある。我々は,挑戦的な自動車シーンの質的,定量的な結果を示す。
論文参考訳（メタデータ） (2024-02-09T23:20:23Z)
GeoScaler: Geometry and Rendering-Aware Downsampling of 3D Mesh Textures [0.06990493129893112]
高解像度テクスチャマップは、3Dメッシュで現実世界のオブジェクトを正確に表現するために必要である。 GeoScalerは幾何学的手がかりを取り入れつつ、3Dメッシュのテクスチャマップをダウンサンプリングする方法である。また,GeoScalerが生成したテクスチャは,従来のダウンサンプリング手法に比べて,画質のよいレンダリング画像を提供することを示した。
論文参考訳（メタデータ） (2023-11-28T07:55:25Z)
Directional Texture Editing for 3D Models [51.31499400557996]
ITEM3D は textbf3D オブジェクトの自動編集のために設計されている。拡散モデルと微分可能レンダリングを活用して、ITEM3Dはレンダリングされた画像をテキストと3D表現のブリッジとして取り込む。
論文参考訳（メタデータ） (2023-09-26T12:01:13Z)
TEXTure: Text-Guided Texturing of 3D Shapes [71.13116133846084]
TEXTureは,テクスチャのテクスチャのテクスチャの編集,編集,転送を行う新しい方法である。表面テクスチャを明示することなくシームレスな3次元テクスチャを生成する3次元マップ分割プロセスを定義する。
論文参考訳（メタデータ） (2023-02-03T13:18:45Z)
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)
Large-Scale 3D Semantic Reconstruction for Automated Driving Vehicles with Adaptive Truncated Signed Distance Function [9.414880946870916]
本稿では,LiDARとカメラセンサを用いた新しい3次元再構成と意味マッピングシステムを提案する。 Adaptive Truncated Functionは表面を暗黙的に記述するために導入され、異なるLiDAR点間隔を扱うことができる。各三角形メッシュに対して最適なセマンティッククラスを推定するために,最適な画像パッチ選択戦略を提案する。
論文参考訳（メタデータ） (2022-02-28T15:11:25Z)
Projective Urban Texturing [8.349665441428925]
没入型都市環境における3次元都市メッシュのテクスチャ自動生成手法を提案する。 Projective Urban Texturing (PUT)は、実際のパノラマ画像から見えない都市メッシュへのテクスチャスタイルを再ターゲットする。 PUTは、未ペア画像からテクスチャへの変換用に設計されたニューラルアーキテクチャの、対照的で敵対的なトレーニングに依存している。
論文参考訳（メタデータ） (2022-01-25T14:56:52Z)
Deep Hybrid Self-Prior for Full 3D Mesh Generation [57.78562932397173]
本稿では,深部ニューラルネットワークにおける2D-3Dのハイブリッドな自己優先性を利用して,幾何学的品質を著しく向上する手法を提案する。特に,まず3次元自己優先型3次元畳み込みニューラルネットワークを用いて初期メッシュを生成し,次いで2次元紫外線アトラスに3次元情報と色情報をエンコードする。本手法は,スパース入力から高品質な3次元テクスチャメッシュモデルを復元し,テクスチャ品質とテクスチャ品質の両面で最先端の手法より優れている。
論文参考訳（メタデータ） (2021-08-18T07:44:21Z)
NeuTex: Neural Texture Mapping for Volumetric Neural Rendering [48.83181790635772]
本稿では,ジオメトリ-連続3次元ボリューム-出現-連続2次元テクスチャマップとして表現-を明示的に切り離す手法を提案する。我々は,この表現を多視点画像監視のみを用いて再構成し,高品質なレンダリング結果を生成することを実証した。
論文参考訳（メタデータ） (2021-03-01T05:34:51Z)
Vehicle Reconstruction and Texture Estimation Using Deep Implicit Semantic Template Mapping [32.580904361799966]
車両の3次元形状と内在的なテクスチャを,非校正単分子入力から回収する有効なソリューションであるVERTEXを導入する。グローバルな特徴とローカルな特徴を融合させることで、我々のアプローチは目に見える領域と見えない領域の両方で一貫した、詳細なテクスチャを生成することができる。
論文参考訳（メタデータ） (2020-11-30T09:27:10Z)

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。