論文の概要: SR-Affine: High-quality 3D hand model reconstruction from UV Maps

• arxiv url: http://arxiv.org/abs/2102.03725v1
• Date: Sun, 7 Feb 2021 05:49:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 15:42:23.031126
• Title: SR-Affine: High-quality 3D hand model reconstruction from UV Maps
• Title（参考訳）: SR-Affine:UVマップによる高品質な3Dハンドモデル再構築
• Authors: Ping Chen, Dong Yang, Fangyin Wu, Qin Li, Qingpei Xia and Yong Tan
• Abstract要約: 高品質な3次元手指モデル再構成のためのSR-Affineアプローチを提案する。 多くの実験で、我々のアプローチは堅牢であり、標準ベンチマークで最先端の手法よりも優れていることが示されている。
• 参考スコア（独自算出の注目度）: 6.0230300640284185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Under various poses and heavy occlusions,3D hand model reconstruction based on a single monocular RGB image has been a challenging problem in computer vision field for many years. In this paper, we propose a SR-Affine approach for high-quality 3D hand model reconstruction. First, we propose an encoder-decoder network architecture (AffineNet) for MANO hand reconstruction. Since MANO hand is not detailed, we further propose SRNet to up-sampling point-clouds by image super-resolution on the UV map. Many experiments demonstrate that our approach is robust and outperforms the state-of-the-art methods on standard benchmarks, including the FreiHAND and HO3D datasets.
• Abstract（参考訳）: 様々なポーズと重い閉塞の下で、単一の単眼RGB画像に基づく3Dハンドモデルの再構築は、長年にわたってコンピュータビジョン分野で困難な問題でした。 本稿では,SR-Affineによる高品質3Dハンドモデル再構築手法を提案する。 まず,manoハンドリコンストラクションのためのエンコーダデコーダネットワークアーキテクチャ(affinenet)を提案する。 MANOハンドは詳細ではないため、UVマップ上での画像超解像によるアップサンプリングポイントクラウドへのSRNetの提案も進めています。 多くの実験では、私たちのアプローチが堅牢であり、FreiHANDおよびHO3Dデータセットを含む標準ベンチマークの最先端の方法を上回ることを実証しています。

関連論文リスト

• WiLoR: End-to-end 3D Hand Localization and Reconstruction in-the-wild [53.288327629960364]
  野生における効率的なマルチハンド再構築のためのデータ駆動パイプラインを提案する。 提案するパイプラインは、リアルタイム完全畳み込みハンドローカライゼーションと、高忠実度トランスフォーマーに基づく3Dハンド再構成モデルという2つのコンポーネントで構成されている。 提案手法は, 一般的な2次元および3次元のベンチマークにおいて, 効率と精度の両方において, 従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-09-18T18:46:51Z)
• SiMA-Hand: Boosting 3D Hand-Mesh Reconstruction by Single-to-Multi-View Adaptation [90.59734612754222]
  RGB画像から3Dハンドメッシュを推定することは、最も難しい問題のひとつです。 このタスクに対する既存の試みは、オクルージョンが画像空間を支配しているときに失敗することが多い。 本稿では,Single-to-Multi-view Adaptationによるメッシュ再構成性能の向上を目的としたSiMA-Handを提案する。
  論文  参考訳（メタデータ） (2024-02-02T13:14:20Z)
• DMV3D: Denoising Multi-View Diffusion using 3D Large Reconstruction Model [86.37536249046943]
  textbfDMV3Dはトランスフォーマーに基づく3次元大規模再構成モデルを用いた新しい3D生成手法である。 再構成モデルでは, 3面のNeRF表現を組み込んで, ノイズの多い多視点画像をNeRF再構成とレンダリングで識別することができる。
  論文  参考訳（メタデータ） (2023-11-15T18:58:41Z)
• gSDF: Geometry-Driven Signed Distance Functions for 3D Hand-Object Reconstruction [94.46581592405066]
  我々は手の構造を利用してSDFによる形状復元の指導を行う。 我々は、ポーズ変換のキネマティック連鎖を予測し、SDFを高調波ハンドポーズと整列させる。
  論文  参考訳（メタデータ） (2023-04-24T10:05:48Z)
• UV-Based 3D Hand-Object Reconstruction with Grasp Optimization [23.06364591130636]
  1枚のRGB画像から手形復元と手形グリップ最適化のための新しいフレームワークを提案する。 接触領域を疎点で近似する代わりに、UV座標写像の形で密度の高い表現を提案する。 我々のパイプラインは手形復元の精度を高め、鮮やかな手形のテクスチャを生成する。
  論文  参考訳（メタデータ） (2022-11-24T05:59:23Z)
• Realistic Hands: A Hybrid Model for 3D Hand Reconstruction [14.87768436388877]
  RGB画像から3Dハンドメッシュを強く推定することは、非常に望ましい課題である。 従来の方法は一般的にパラメトリックな3Dハンドモデルを使用するか、モデルフリーアプローチに従う。 本稿では,ディープニューラルネットワークとディファレンシャルレンダリングに基づく最適化を併用したハイブリッドアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-31T17:40:49Z)
• Model-based 3D Hand Reconstruction via Self-Supervised Learning [72.0817813032385]
  シングルビューのRGB画像から3Dハンドを再構成することは、様々な手構成と深さのあいまいさのために困難である。 ポーズ, 形状, テクスチャ, カメラ視点を共同で推定できる, 自己教師型3Dハンド再構成ネットワークであるS2HANDを提案する。 初めて手動アノテーションを使わずに、正確な3D手の再構築ネットワークを訓練できることを実証しました。
  論文  参考訳（メタデータ） (2021-03-22T10:12:43Z)
• MM-Hand: 3D-Aware Multi-Modal Guided Hand Generative Network for 3D Hand Pose Synthesis [81.40640219844197]
  モノラルなRGB画像から3Dハンドポーズを推定することは重要だが難しい。 解決策は、高精度な3D手指キーポイントアノテーションを用いた大規模RGB手指画像のトレーニングである。 我々は,現実的で多様な3次元ポーズ保存ハンドイメージを合成する学習ベースアプローチを開発した。
  論文  参考訳（メタデータ） (2020-10-02T18:27:34Z)

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。