論文の概要: Style-based Point Generator with Adversarial Rendering for Point Cloud Completion

• arxiv url: http://arxiv.org/abs/2103.02535v1
• Date: Wed, 3 Mar 2021 17:21:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-04 14:57:41.235339
• Title: Style-based Point Generator with Adversarial Rendering for Point Cloud Completion
• Title（参考訳）: ポイントクラウド補完のための逆レンダリングを伴うスタイルベースポイントジェネレータ
• Authors: Chulin Xie, Chuxin Wang, Bo Zhang, Hao Yang, Dong Chen, Fang Wen
• Abstract要約: ポイントクラウド補完のための逆レンダリング(SpareNet)を備えたスタイルベースのポイントジェネレータ。 我々は,局所構造と点特徴のグローバル形状を十分に活用するために,チャネル指向のedgeconvを提案する。 そこで本研究では,異なる視点で知覚現実主義を提唱するために,相違可能な深度マップに完成点を投影し,敵対的トレーニングを適用することを提案する。
• 参考スコア（独自算出の注目度）: 24.83021067885922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we proposed a novel Style-based Point Generator with Adversarial Rendering (SpareNet) for point cloud completion. Firstly, we present the channel-attentive EdgeConv to fully exploit the local structures as well as the global shape in point features. Secondly, we observe that the concatenation manner used by vanilla foldings limits its potential of generating a complex and faithful shape. Enlightened by the success of StyleGAN, we regard the shape feature as style code that modulates the normalization layers during the folding, which considerably enhances its capability. Thirdly, we realize that existing point supervisions, e.g., Chamfer Distance or Earth Mover's Distance, cannot faithfully reflect the perceptual quality of the reconstructed points. To address this, we propose to project the completed points to depth maps with a differentiable renderer and apply adversarial training to advocate the perceptual realism under different viewpoints. Comprehensive experiments on ShapeNet and KITTI prove the effectiveness of our method, which achieves state-of-the-art quantitative performance while offering superior visual quality.
• Abstract（参考訳）: 本稿では,ポイントクラウドを補完する逆レンダリング(SpareNet)を備えた新しいスタイルベースのポイントジェネレータを提案する。 まず, 局所構造を活用し, 点特徴のグローバル形状を活用すべく, チャネル指向エッジconvを提案する。 第二に,バニラの折り畳みによって用いられる結合性は,複雑で忠実な形状を生み出す可能性を制限することが観察された。 styleganの成功に啓発され、形状特徴を折り畳み時の正規化層を変調するスタイルコードとみなし、その能力を大幅に向上させる。 第三に、既存の点監督(例えば、Chamfer Distance や Earth Mover's Distance)は、再建された点の知覚的品質を忠実に反映できない。 そこで本研究では,異なる視点で認識現実主義を提唱するために,識別可能なレンダラを用いた深度マップに完成点を投影し,対角訓練を適用することを提案する。 ShapeNet と KITTI に関する総合的な実験により,より優れた視覚的品質を提供しながら,最先端の定量的性能を実現する手法の有効性が証明された。

関連論文リスト

• Unsupervised Non-Rigid Point Cloud Matching through Large Vision Models [1.3030624795284795]
  非剛点クラウドマッチングのための学習ベースのフレームワークを提案する。 重要な洞察は、大きな視覚モデル(LVM)から派生した意味的特徴を統合することである。 本フレームワークは,局所的な地形間の自己相似性から生じるあいまいさに対処するために,意味的特徴に含まれる構造情報を効果的に活用する。
  論文  参考訳（メタデータ） (2024-08-16T07:02:19Z)
• Self-supervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
  我々は、オブジェクトレベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークであるMAL-SPCを提案する。 私たちのMAL-SPCは3Dの完全な監視を一切必要とせず、各オブジェクトに1つの部分点クラウドを必要とするだけです。
  論文  参考訳（メタデータ） (2024-07-13T06:53:39Z)
• INPC: Implicit Neural Point Clouds for Radiance Field Rendering [5.64500060725726]
  現実世界のシーンを再現し、新しい視点で合成するための新しいアプローチを提案する。 本研究では,連続オクツリー型確率場とマルチ解像度ハッシュグリッドにおける点雲を暗黙的に符号化するハイブリッドシーン表現を提案する。 本手法は,対話的なフレームレートで高速な推論を実現し,さらに性能を高めるために露骨な点雲を抽出することができる。
  論文  参考訳（メタデータ） (2024-03-25T15:26:32Z)
• SVDFormer: Complementing Point Cloud via Self-view Augmentation and Self-structure Dual-generator [30.483163963846206]
  本稿では,ポイントクラウド補完における2つの課題に対処するために,新たなネットワークSVDFormerを提案する。 我々はまず,複数視点深度画像情報を利用して不完全な自己形成を観測するセルフビューフュージョンネットワークを設計する。 次に,自己構造デュアルジェネレータ (Self-structure Dual-generator) と呼ばれる改良モジュールを導入する。
  論文  参考訳（メタデータ） (2023-07-17T13:55:31Z)
• Variational Relational Point Completion Network for Robust 3D Classification [59.80993960827833]
  可変点雲補完法は、局所的な詳細を欠くため、大域的な形状の骨格を生成する傾向がある。 本稿では2つの魅力的な特性を持つ変分フレームワークであるポイントコンプリートネットワーク(VRCNet)を提案する。 VRCNetは、現実世界のポイントクラウドスキャンにおいて、非常に一般化性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-04-18T17:03:20Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Spotlights: Probing Shapes from Spherical Viewpoints [25.824284796437652]
  本研究では3次元形状を1次元の奥行き値のコンパクトな配列として表現するスポットライトと呼ばれる新しいサンプリングモデルを提案する。 球面上に均等に分布するカメラの構成をシミュレートし、それぞれの仮想カメラがその主点から小さな同心球状キャップに試料点を通して光線を流し、球面に囲まれた物体との交点を探索する。
  論文  参考訳（メタデータ） (2022-05-25T08:23:18Z)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• PMP-Net: Point Cloud Completion by Learning Multi-step Point Moving Paths [54.459879603473034]
  我々はPMP-Netと呼ばれる新しいニューラルネットワークを設計し、地球移動体の動作を模倣する。 不完全な入力の各点を移動させ、ポイントクラウドを完結させ、ポイント移動パスの合計距離が最も短くなる。 点レベルの厳密でユニークな対応を学習し、不完全な形状と完全なターゲットの間の詳細なトポロジーと構造的関係を捉えることができる。
  論文  参考訳（メタデータ） (2020-12-07T01:34:38Z)
• RfD-Net: Point Scene Understanding by Semantic Instance Reconstruction [19.535169371240073]
  本稿では,高密度物体表面を直接点雲から検出・再構成するRfD-Netを提案する。 インスタンス再構成を大域的オブジェクトローカライゼーションと局所形状予測に分離する。 我々のアプローチは、オブジェクト再構成において、最先端の技術を一貫して上回り、メッシュIoUの11以上を改善します。
  論文  参考訳（メタデータ） (2020-11-30T12:58:05Z)
• SoftPoolNet: Shape Descriptor for Point Cloud Completion and Classification [93.54286830844134]
  本稿では,点雲に基づく3次元オブジェクトの補完と分類手法を提案する。 デコーダの段階では,グローバルな活性化エントロピーの最大化を目的とした新しい演算子である地域畳み込みを提案する。 我々は,オブジェクトの完成度や分類,最先端の精度の達成など,異なる3次元タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2020-08-17T14:32:35Z)

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。