論文の概要: Global Transport for Fluid Reconstruction with Learned Self-Supervision

• arxiv url: http://arxiv.org/abs/2104.06031v1
• Date: Tue, 13 Apr 2021 09:00:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 13:19:54.248499
• Title: Global Transport for Fluid Reconstruction with Learned Self-Supervision
• Title（参考訳）: 自己スーパービジョン学習による流体再構成のためのグローバルトランスポート
• Authors: Erik Franz, Barbara Solenthaler, Nils Thuerey
• Abstract要約: 目に見えない角度からの観測を制約する学習的な自己スーパービジョンを導入する。 提案された輸送プロセスのグローバルな再構築は、流体運動の再構築を改善することを、様々な合成および実際の流れで示しています。
• 参考スコア（独自算出の注目度）: 26.469951715253497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel method to reconstruct volumetric flows from sparse views via a global transport formulation. Instead of obtaining the space-time function of the observations, we reconstruct its motion based on a single initial state. In addition we introduce a learned self-supervision that constrains observations from unseen angles. These visual constraints are coupled via the transport constraints and a differentiable rendering step to arrive at a robust end-to-end reconstruction algorithm. This makes the reconstruction of highly realistic flow motions possible, even from only a single input view. We show with a variety of synthetic and real flows that the proposed global reconstruction of the transport process yields an improved reconstruction of the fluid motion.
• Abstract（参考訳）: 本稿では,グローバルトランスポートの定式化によるスパースビューからボリュームフローを再構築する新しい手法を提案する。 観測の時空関数を得る代わりに、1つの初期状態に基づいてその動きを再構成する。 さらに,観察を知覚しない角度から制約する学習自己スーパービジョンを導入する。 これらの視覚的制約はトランスポート制約と微分可能なレンダリングステップによって結合され、堅牢なエンドツーエンドの再構築アルゴリズムに到達する。 これにより、単一の入力ビューからでも、非常に現実的な流れの動きの再構築が可能となる。 提案する輸送過程のグローバルな再構築により, 流体運動の再現性が向上することを示す。

関連論文リスト

• Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
  実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。 本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
  論文  参考訳（メタデータ） (2024-11-17T17:45:37Z)
• Initialization of Monocular Visual Navigation for Autonomous Agents Using Modified Structure from Small Motion [13.69678622755871]
  本稿では,自律型宇宙ロボットのためのスタンドアロンの単眼視覚的同時局在マッピング(vSLAM)パイプラインを提案する。 提案手法は, 宇宙船の点検軌道における単分子エージェントを頑健に初期化するために, 構造を小型運動から拡張する。 本手法の有効性を実証し,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-09-24T21:33:14Z)
• OmniRe: Omni Urban Scene Reconstruction [78.99262488964423]
  デバイス上でのログから高忠実度な都市景観を効率的に再構築するための総合的アプローチであるOmniReを紹介する。 我々はOmniReという名前のシーンを駆動するための総合的な3DGSフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-29T17:56:33Z)
• Simultaneous Map and Object Reconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、最近の新しいビュー合成法から着想を得て、大域的な最適化として再構築問題を提起する。 連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• Residual-Conditioned Optimal Transport: Towards Structure-Preserving Unpaired and Paired Image Restoration [42.01716967725075]
  画像復元のためのResidual-Conditioned Optimal Transport (RCOT) アプローチを提案する。 二重性により、RCOT問題は最小限の最適化問題に変換され、ニューラルネットワークを敵対的に訓練することで解決される。
  論文  参考訳（メタデータ） (2024-05-05T08:19:04Z)
• Enhanced Event-Based Video Reconstruction with Motion Compensation [26.03328887451797]
  本稿では,入力強度フレームとスパース符号の歪みを補正し,再現性を向上させることを提案する。 CISTA-Flowネットワークは、動き補償のためのフローネットワークとCISTA-LSTCを統合することで構築される。 以上の結果から,本手法は最先端の復元精度を達成し,信頼性の高い高密度流れ推定を同時に提供することを示す。
  論文  参考訳（メタデータ） (2024-03-18T16:58:23Z)
• BoDiffusion: Diffusing Sparse Observations for Full-Body Human Motion Synthesis [14.331548412833513]
  複合現実感アプリケーションは、没入感のある体験を可能にするために、ユーザのフルボディの動きを追跡する必要がある。 本稿では,この非拘束的再構成問題に対処するために,運動合成のための生成拡散モデルであるBoDiffusionを提案する。 本稿では,スムーズで現実的なフルボディモーションシーケンスを生成しつつ,スパーストラッキング入力をBoDiffusionが活用できる時間空間調和方式を提案する。
  論文  参考訳（メタデータ） (2023-04-21T16:39:05Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
  再建された表面をニューラルネットワークを用いてアトラスとして表現する。 本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
  論文  参考訳（メタデータ） (2021-04-14T16:21:22Z)
• Self-Supervised Learning of Non-Rigid Residual Flow and Ego-Motion [63.18340058854517]
  動的3次元シーンに対する非剛性残留流とエゴ運動流の連成推定によるエンドツーエンドのシーンフロー学習法を提案する。 我々は、点クラウドシーケンスの時間的一貫性性に基づいて、自己監督的な信号で教師付きフレームワークを拡張した。
  論文  参考訳（メタデータ） (2020-09-22T11:39:19Z)

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。