Fugu-MT 論文翻訳(概要): Signed Distance Function Computation from an Implicit Surface

論文の概要: Signed Distance Function Computation from an Implicit Surface

arxiv url: http://arxiv.org/abs/2104.08057v1
Date: Fri, 16 Apr 2021 12:06:53 GMT
ステータス: 処理完了
システム内更新日: 2021-04-19 14:10:36.155220
Title: Signed Distance Function Computation from an Implicit Surface
Title（参考訳）: 暗黙的表面からの符号付き距離関数計算
Authors: Pierre-Alain Fayolle
Abstract要約: 本稿では,暗黙曲面を符号付き距離関数 (Signed Distance Function, SDF) に変換する手法について述べる。提案されたアプローチは、SDFを特徴付ける損失関数を最小化するために訓練されたニューラルネットワークの最終層に入力暗黙を埋め込むことに頼っている。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We describe in this short note a technique to convert an implicit surface into a Signed Distance Function (SDF) while exactly preserving the zero level-set of the implicit. The proposed approach relies on embedding the input implicit in the final layer of a neural network, which is trained to minimize a loss function characterizing the SDF.
Abstract（参考訳）: 本稿では,暗黙的面を符号付き距離関数(sdf)に変換しながら,暗黙的面のゼロレベル集合を正確に保存する手法について述べる。提案手法は、SDFを特徴付ける損失関数を最小限に抑えるためにトレーニングされたニューラルネットワークの最終層に入力を暗黙に埋め込むことに依存する。

関連論文リスト

Gradient Distance Function [52.615859148238464]
また,GDF (Gradient Distance Function) は表面上での微分可能でありながら,開口面を表現可能であることを示す。これは、ノルムが表面への符号のない距離である3Dベクトルをそれぞれ3Dポイントに関連付けることによって行われる。本稿では,ShapeNet Car,Multi-Garment,および3D-SceneデータセットにおけるGDFの有効性を示す。
論文参考訳（メタデータ） (2024-10-29T18:04:01Z)
Statistical Edge Detection And UDF Learning For Shape Representation [1.9799527196428242]
得られたニューラルUDFの元の3次元表面への忠実度を向上させるUDFの学習法を提案する。表面縁周辺でのトレーニング点のサンプリングにより,トレーニング済みのニューラルUDFの局所的精度が向上することを示す。本手法は局所的な幾何学的記述子よりも表面のエッジを高精度に検出する。
論文参考訳（メタデータ） (2024-05-06T11:40:57Z)
Loss Landscape of Shallow ReLU-like Neural Networks: Stationary Points, Saddle Escaping, and Network Embedding [1.4513150969598634]
経験的二乗損失を学習したReLU様活性化関数を持つ一層ニューラルネットワークの損失状況について検討した。アクティベーション関数は微分不可能であるため、固定点を完全に特徴づける方法は今のところ不明である。定常点が一階条件で定義される「エスケープニューロン」を含まない場合、局所最小値でなければならないことを示す。
論文参考訳（メタデータ） (2024-02-08T12:30:29Z)
NeuralUDF: Learning Unsigned Distance Fields for Multi-view Reconstruction of Surfaces with Arbitrary Topologies [87.06532943371575]
本稿では2次元画像からボリュームレンダリングにより任意の位相で表面を再構成する新しい手法であるNeuralUDFを提案する。本稿では,表面をUDF(Unsigned Distance Function)として表現し,ニューラルUDF表現を学習するための新しいボリュームレンダリング手法を提案する。
論文参考訳（メタデータ） (2022-11-25T15:21:45Z)
CAP-UDF: Learning Unsigned Distance Functions Progressively from Raw Point Clouds with Consistency-Aware Field Optimization [54.69408516025872]
CAP-UDFは、生の点雲から一貫性を考慮したUDFを学ぶための新しい方法である。我々は、クエリと近似曲面の関係を徐々に推測するようにニューラルネットワークを訓練する。学習されたUDFの勾配を用いて表面を抽出する多角化アルゴリズムも導入する。
論文参考訳（メタデータ） (2022-10-06T08:51:08Z)
Implicit Neural Representation for Mesh-Free Inverse Obstacle Scattering [21.459567997723376]
多層パーセプトロンのレベルセットとしての形状のインプシット表現は、最近、形状解析、圧縮、再構成タスクで栄えている。メッシュフリーで逆障害物散乱問題を解決するための暗黙的ニューラルネットワーク表現に基づくフレームワークを提案する。
論文参考訳（メタデータ） (2022-06-04T17:16:09Z)
UWED: Unsigned Distance Field for Accurate 3D Scene Representation and Completion [3.402787708517184]
シーン完了(Scene Completion)は、シーンの部分的なスキャンから欠落した幾何学を完了させるタスクである。従来の手法のほとんどは、ニューラルネットワークへの入力として3Dグリッド上のTrncated Signed Distance Function(TSDF)を使用して、範囲データからの暗黙的な表現を計算する。シーン完了ニューラルネットワークの入力として,Unsigned Weighted Euclidean Distance (UWED) と呼ばれるUnsigned Distance Function (UDF) を提案する。
論文参考訳（メタデータ） (2022-03-17T08:46:17Z)
MeshUDF: Fast and Differentiable Meshing of Unsigned Distance Field Networks [68.82901764109685]
3次元オープンサーフェスモデリングによる深部ニューラルネットワークの非符号距離場(UDF)近似に関する研究本研究では, 平面交差を局所的に検出することにより, 深部UDFを開放面としてマーチング立方体の拡張により直接メッシュ化することを提案する。本手法は高密度の点雲のメッシュよりも桁違いに高速であり,開面の膨張よりも高精度である。
論文参考訳（メタデータ） (2021-11-29T14:24:02Z)
Neural-Pull: Learning Signed Distance Functions from Point Clouds by Learning to Pull Space onto Surfaces [68.12457459590921]
3次元点雲から連続曲面を再構成することは、3次元幾何処理の基本的な操作である。 textitNeural-Pullは、シンプルで高品質なSDFを実現する新しいアプローチです。
論文参考訳（メタデータ） (2020-11-26T23:18:10Z)
NP-PROV: Neural Processes with Position-Relevant-Only Variances [113.20013269514327]
位置関連性オンリーバリアース(NP-PROV)を有するニューラルプロセスと呼ばれる新しいメンバーを提案する。 NP-PROVは、その位置の関数値に関係なく、コンテキストポイントに近いターゲットポイントが小さな不確実性を持つという仮説を立てている。我々は, NP-PROVが有界分散を維持しつつ, 最先端の可能性を実現することができることを示す。
論文参考訳（メタデータ） (2020-06-15T06:11:21Z)

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。