論文の概要: Birds of a Feather: Capturing Avian Shape Models from Images

• arxiv url: http://arxiv.org/abs/2105.09396v1
• Date: Wed, 19 May 2021 20:53:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 13:36:25.424780
• Title: Birds of a Feather: Capturing Avian Shape Models from Images
• Title（参考訳）: 鳥の羽:画像から鳥の形状モデルをキャプチャする
• Authors: Yufu Wang, Nikos Kolotouros, Kostas Daniilidis, Marc Badger
• Abstract要約: 本研究は, 定型テンプレートと画像を用いた新種の捕獲手法を提案する。 画像証拠から,各種間の変異を捉える形状空間を学習する。 低次元埋め込みを用いて、学習した3次元形状空間は、学習された知覚的特徴よりも鳥の系統的関係をよりよく反映していることを示す。
• 参考スコア（独自算出の注目度）: 46.84613650829397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Animals are diverse in shape, but building a deformable shape model for a new species is not always possible due to the lack of 3D data. We present a method to capture new species using an articulated template and images of that species. In this work, we focus mainly on birds. Although birds represent almost twice the number of species as mammals, no accurate shape model is available. To capture a novel species, we first fit the articulated template to each training sample. By disentangling pose and shape, we learn a shape space that captures variation both among species and within each species from image evidence. We learn models of multiple species from the CUB dataset, and contribute new species-specific and multi-species shape models that are useful for downstream reconstruction tasks. Using a low-dimensional embedding, we show that our learned 3D shape space better reflects the phylogenetic relationships among birds than learned perceptual features.
• Abstract（参考訳）: 動物は形状が多様であるが、3Dデータがないため、新しい種のための変形可能な形状モデルを構築することは必ずしも不可能である。 そこで本研究では,そのテンプレートと画像を用いて新種を捕獲する手法を提案する。 本研究は主に鳥類に焦点を当てている。 鳥類は哺乳類のほぼ2倍の種を表すが、正確な形状モデルはない。 新たな種を捕獲するために、まず各トレーニングサンプルにarticulated templateを適合させる。 ポーズと形状を遠ざけることで、画像証拠から種間と種内の両方の変化を捉えた形状空間を学習する。 cubデータセットから複数の種のモデルを学び、下流の復元タスクに有用な新しい種特異的および多種多種形状モデルに寄与する。 低次元の埋め込みを用いて,我々は学習した3次元形状空間が,知覚的特徴よりも鳥類間の系統関係を反映することを示す。

関連論文リスト

• AWOL: Analysis WithOut synthesis using Language [57.31874938870305]
  言語を利用して既存の3次元形状モデルを制御し、新しい形状を作り出す。 トレーニング中に存在しない新しい動物をテキストで生成できることが示されています。 この研究は、3D木を生成するための最初の言語駆動の手法でもある。
  論文  参考訳（メタデータ） (2024-04-03T20:04:44Z)
• Learning the 3D Fauna of the Web [70.01196719128912]
  3D-Faunaは,100種以上の動物種を対象に,パンカテゴリーで変形可能な3D動物モデルを共同で学習する手法である。 動物モデリングにおける重要なボトルネックの1つは、トレーニングデータの可用性の制限である。 従来のカテゴリー固有の試みは,訓練画像に制限のある希少種への一般化に失敗することを示す。
  論文  参考訳（メタデータ） (2024-01-04T18:32:48Z)
• Learning-based Monocular 3D Reconstruction of Birds: A Contemporary Survey [6.555250822345809]
  自然界では、動物の集団行動は同一種の個体間の相互作用によって支配される。 近年の3次元視覚の進歩は、3次元形状とポーズ推定に関する多くの印象的な研究につながっている。 本研究は, 単眼視に基づく3次元鳥の復元の最近の進歩を概観する最初の試みである。
  論文  参考訳（メタデータ） (2022-07-10T18:13:25Z)
• Recognition of Unseen Bird Species by Learning from Field Guides [23.137536032163855]
  我々は、野のガイドを利用して鳥の種認識を学習し、特に目に見えない種をゼロショットで認識する。 本研究では,(1)標準のゼロショット学習方式に入力可能な画像のコントラスト符号化,(2)イラストも画像であるという事実を活用する新しい手法について検討する。 この結果から,広範囲の種で容易に利用できるフィールドガイドからのイラストが,ゼロショット学習におけるサイド情報の競合源であることが示唆された。
  論文  参考訳（メタデータ） (2022-06-03T09:13:46Z)
• Multi-Category Mesh Reconstruction From Image Collections [90.24365811344987]
  本稿では, 一連の変形可能な3次元モデルとインスタンス固有の変形, ポーズ, テクスチャのセットを組み合わせた, オブジェクトのテクスチャメッシュを推定する手法を提案する。 本手法は,前景マスクと粗いカメラポーズのみを監督として,複数の対象カテゴリの画像を用いて訓練する。 実験により,提案フレームワークは異なる対象カテゴリを区別し,教師なしの方法でカテゴリ固有の形状を学習できることが示唆された。
  論文  参考訳（メタデータ） (2021-10-21T16:32:31Z)
• DOVE: Learning Deformable 3D Objects by Watching Videos [89.43105063468077]
  本研究では,鳥の単一2次元画像から3次元標準形状,変形,視点,テクスチャの予測を学習するDOVEを提案する。 本手法は時間的に一貫した3次元形状と変形を再構成し,任意の視点から鳥をアニメーション化し再レンダリングする。
  論文  参考訳（メタデータ） (2021-07-22T17:58:10Z)
• 3D Bird Reconstruction: a Dataset, Model, and Shape Recovery from a Single View [35.61330221535231]
  我々は,生きた鳥が提示するユニークな形状とポーズ空間を捉えるためのモデルと多視点最適化手法を提案する。 次に、単一ビューから正確な鳥の姿勢を復元するキーポイント、マスク、ポーズ、形状回帰のためのパイプラインと実験を導入する。 屋外の飛行場に収容された15羽の社会鳥のグループから収集した多視点キーポイントとマスクアノテーションについて述べる。
  論文  参考訳（メタデータ） (2020-08-13T23:29:04Z)
• Unsupervised Shape and Pose Disentanglement for 3D Meshes [49.431680543840706]
  本研究では,非教師付き環境において,非教師付き形状とポーズ表現を学習するための,シンプルで効果的なアプローチを提案する。 自己整合性と相互整合性の制約を組み合わせて、登録メッシュからポーズと空間の形状を学ぶ。 ポーズ転送や形状検索などのタスクを通じて,学習した表現の有用性を示す。
  論文  参考訳（メタデータ） (2020-07-22T11:00:27Z)

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。