論文の概要: Planar Surface Reconstruction from Sparse Views
- arxiv url: http://arxiv.org/abs/2103.14644v1
- Date: Fri, 26 Mar 2021 17:59:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-29 12:38:59.122180
- Title: Planar Surface Reconstruction from Sparse Views
- Title(参考訳): スパースビューからの平面形状復元
- Authors: Linyi Jin, Shengyi Qian, Andrew Owens, David F. Fouhey
- Abstract要約: この論文は、未知のカメラポーズを持つ2つの視点から室内シーンを平面的に再現する。
実験により,本手法は疎明な視点から再構築技術の進歩を可能にすることを実証した。
- 参考スコア(独自算出の注目度): 30.965368147506386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The paper studies planar surface reconstruction of indoor scenes from two
views with unknown camera poses. While prior approaches have successfully
created object-centric reconstructions of many scenes, they fail to exploit
other structures, such as planes, which are typically the dominant components
of indoor scenes. In this paper, we reconstruct planar surfaces from multiple
views, while jointly estimating camera pose. Our experiments demonstrate that
our method is able to advance the state of the art of reconstruction from
sparse views, on challenging scenes from Matterport3D. Project site:
https://jinlinyi.github.io/SparsePlanes/
- Abstract(参考訳): この論文は、未知のカメラポーズを持つ2つの視点から室内シーンを平面的に再現する。
以前のアプローチは多くのシーンのオブジェクト中心の再構築に成功したが、通常は屋内シーンの主要な構成要素である平面のような他の構造を利用することができなかった。
本稿では,複数視点から平面面を再構成し,カメラのポーズを同時推定する。
実験により,本手法は,Matterport3Dの挑戦的なシーンにおいて,疎遠な視点から再現の手法を推し進めることができることを示した。
プロジェクトサイト: https://jinlinyi.github.io/sparseplanes/
関連論文リスト
- iFusion: Inverting Diffusion for Pose-Free Reconstruction from Sparse
Views [61.707755434165335]
iFusionは、未知のカメラポーズを持つ2つのビューのみを必要とする、新しい3Dオブジェクト再構成フレームワークである。
我々は,様々な物体の形状や外観に関する暗黙の知識を組み込んだ,事前学習されたビュー合成拡散モデルを利用する。
ポーズ推定と新しいビュー合成の両方において、実験は強い性能を示す。
論文 参考訳(メタデータ) (2023-12-28T18:59:57Z) - RIC: Rotate-Inpaint-Complete for Generalizable Scene Reconstruction [43.63574200858472]
一般的なシーン再構成は、以前は目に見えない物体を含むシーンの完全な3次元形状とテクスチャを推定する作業である。
本稿では,2次元から3次元のシーンリフティングによる新しいビューのレンダリングと2次元から3次元のシーンリフティングという2つのステップに分割して,シーン再構築手法を提案する。
論文 参考訳(メタデータ) (2023-07-21T22:39:41Z) - Total-Recon: Deformable Scene Reconstruction for Embodied View Synthesis [76.72505510632904]
長い単眼のRGBDビデオから変形可能なシーンを再構成する最初の方法であるTotal-Reconを提案する。
本手法は背景と物体にシーンを階層的に分解し,動作を根体運動と局所的調音に分解する。
論文 参考訳(メタデータ) (2023-04-24T17:59:52Z) - Few-View Object Reconstruction with Unknown Categories and Camera Poses [80.0820650171476]
この研究は、カメラのポーズやオブジェクトのカテゴリを知らない少数の画像から、一般的な現実世界のオブジェクトを再構築する。
私たちの研究の要点は、形状再構成とポーズ推定という、2つの基本的な3D視覚問題を解決することです。
提案手法は,各ビューから3次元特徴を予測し,それらを入力画像と組み合わせて活用し,クロスビュー対応を確立する。
論文 参考訳(メタデータ) (2022-12-08T18:59:02Z) - State of the Art in Dense Monocular Non-Rigid 3D Reconstruction [100.9586977875698]
モノクル2D画像から変形可能なシーン(または非剛体)の3D再構成は、コンピュータビジョンとグラフィックスの長年、活発に研究されてきた領域である。
本研究は,モノクラー映像やモノクラービューの集合から,様々な変形可能な物体や複合シーンを高密度に非剛性で再現するための最先端の手法に焦点を当てる。
論文 参考訳(メタデータ) (2022-10-27T17:59:53Z) - Perspective Reconstruction of Human Faces by Joint Mesh and Landmark
Regression [89.8129467907451]
本研究では,世界空間の3次元顔メッシュを同時に再構築し,画像平面上の2次元顔のランドマークを予測することを提案する。
予測された3Dおよび2Dランドマークに基づいて、6DF (6 Degrees Freedom)フェイスポーズを解決者により容易に推定することができる。
論文 参考訳(メタデータ) (2022-08-15T12:32:20Z) - Towards High-Fidelity Single-view Holistic Reconstruction of Indoor
Scenes [50.317223783035075]
単視点画像から総合的な3次元屋内シーンを再構築するための新しい枠組みを提案する。
詳細なオブジェクト再構成のためのインスタンス整列型暗黙関数(InstPIFu)を提案する。
私たちのコードとモデルは公開されます。
論文 参考訳(メタデータ) (2022-07-18T14:54:57Z) - Reconstructing Small 3D Objects in front of a Textured Background [0.0]
テクスチャ化された背景の前を移動する小さな物体の完全な3次元再構成手法を提案する。
これは運動から多体構造の特定のバリエーションであり、2つの物体のみに特化している。
実物を用いた実験では, 両面から3次元オブジェクトを再構成する際に, 現実的な利点があることが示されている。
論文 参考訳(メタデータ) (2021-05-24T15:36:33Z) - Associative3D: Volumetric Reconstruction from Sparse Views [17.5320459412718]
本稿では,未知のカメラを用いた2つのシーンからの3次元ボリューム再構成の問題について検討する。
本稿では, カメラ/オブジェクト上の再構成, 分布, カメラ/カメラ変換を推定する新しい手法を提案する。
屋内シーンのデータセットにアプローチをトレーニングし、テストし、共同推論アプローチのメリットを厳格に評価する。
論文 参考訳(メタデータ) (2020-07-27T17:58:53Z) - Total3DUnderstanding: Joint Layout, Object Pose and Mesh Reconstruction
for Indoor Scenes from a Single Image [24.99186733297264]
本研究では,単一画像から部屋レイアウト,オブジェクト境界ボックス,メッシュを共同で再構築するエンド・ツー・エンドのソリューションを提案する。
本手法は,3成分からなる粗大な階層構造を提案する。
SUN RGB-D および Pix3D データセットを用いた実験により,本手法が既存手法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2020-02-27T16:00:52Z)
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。