論文の概要: Spline Positional Encoding for Learning 3D Implicit Signed Distance Fields

• arxiv url: http://arxiv.org/abs/2106.01553v1
• Date: Thu, 3 Jun 2021 02:37:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-04 16:01:46.828333
• Title: Spline Positional Encoding for Learning 3D Implicit Signed Distance Fields
• Title（参考訳）: 3次元暗証信号場学習のためのスプライン位置符号化
• Authors: Peng-Shuai Wang, Yang Liu, Yu-Qi Yang, Xin Tong
• Abstract要約: 多層パーセプトロン(MLP)は3次元形状を暗黙的に、コンパクトに表現するのに成功している。 本稿では,Spline Positional cloudsと呼ばれる新しい位置符号化方式を提案する。
• 参考スコア（独自算出の注目度）: 18.6244227624508
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multilayer perceptrons (MLPs) have been successfully used to represent 3D shapes implicitly and compactly, by mapping 3D coordinates to the corresponding signed distance values or occupancy values. In this paper, we propose a novel positional encoding scheme, called Spline Positional Encoding, to map the input coordinates to a high dimensional space before passing them to MLPs, for helping to recover 3D signed distance fields with fine-scale geometric details from unorganized 3D point clouds. We verified the superiority of our approach over other positional encoding schemes on tasks of 3D shape reconstruction from input point clouds and shape space learning. The efficacy of our approach extended to image reconstruction is also demonstrated and evaluated.
• Abstract（参考訳）: 多層パーセプトロン(MLP)は、3次元座標を対応する符号付き距離値や占有値にマッピングすることで、3次元形状を暗黙的にコンパクトに表現するのに成功している。 本稿では,MLPに渡す前に入力座標を高次元空間にマッピングし,非組織化された3次元点雲から微細な幾何学的詳細を伴って3次元符号付き距離場を復元する手法であるSpline Positional Encodingを提案する。 入力点雲と形状空間学習による3次元形状復元タスクにおいて,他の位置符号化方式よりも優れた手法を検証した。 また, 画像再構成へのアプローチの有効性を実証し, 評価した。

関連論文リスト

• POC-SLT: Partial Object Completion with SDF Latent Transformers [1.5999407512883512]
  3次元幾何形状完成ヒンジは、表現学習と幾何データの深い理解に基づく。 符号付き距離場(SDF)を表す潜在空間で動作する変圧器を提案する。 モノリシックなボリュームの代わりに、オブジェクトのSDFは小さな高解像度のパッチに分割され、遅延コードのシーケンスにつながる。
  論文  参考訳（メタデータ） (2024-11-08T09:13:20Z)
• NDC-Scene: Boost Monocular 3D Semantic Scene Completion in Normalized Device Coordinates Space [77.6067460464962]
  SSC(Monocular 3D Semantic Scene Completion)は、単一の画像から複雑なセマンティックスや幾何学的形状を予測し、3D入力を必要としないため、近年大きな注目を集めている。 我々は,3次元空間に投影された2次元特徴の特徴的曖昧さ,3次元畳み込みのPose Ambiguity,深さの異なる3次元畳み込みにおける不均衡など,現在の最先端手法におけるいくつかの重要な問題を明らかにする。 シーン補完ネットワーク(NDC-Scene)を考案し,2を直接拡張する。
  論文  参考訳（メタデータ） (2023-09-26T02:09:52Z)
• Neural Voting Field for Camera-Space 3D Hand Pose Estimation [106.34750803910714]
  3次元暗黙表現に基づく1枚のRGB画像からカメラ空間の3Dハンドポーズ推定のための統一的なフレームワークを提案する。 本稿では,カメラフラストラムにおける高密度3次元ポイントワイド投票により,カメラ空間の3次元ハンドポーズを推定する,新しい3次元高密度回帰手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T16:51:34Z)
• Coordinates Are NOT Lonely -- Codebook Prior Helps Implicit Neural 3D Representations [29.756718435405983]
  暗黙的な3D表現は、表面やシーンの再構築や新しいビュー合成において、印象的な成果を上げている。 ニューラル・レージアンス・フィールド(Neural Radiance Field、NeRF)とその変種のような既存のアプローチは、通常、密度の高い入力ビューを必要とする。 暗黙的な3次元表現のための座標モデルCoCo-INRを提案する。
  論文  参考訳（メタデータ） (2022-10-20T11:13:50Z)
• CorrI2P: Deep Image-to-Point Cloud Registration via Dense Correspondence [51.91791056908387]
  我々は,CorrI2Pと呼ばれる画像間クラウドの登録問題に対処するための,機能に基づく最初の高密度対応フレームワークを提案する。 具体的には、3次元の点雲の前に2次元画像が1対あるとすると、まずそれらを高次元の特徴空間に変換し、特徴を対称的に重なり合う領域に変換して、画像点雲が重なり合う領域を決定する。
  論文  参考訳（メタデータ） (2022-07-12T11:49:31Z)
• Learning Anchored Unsigned Distance Functions with Gradient Direction Alignment for Single-view Garment Reconstruction [92.23666036481399]
  本稿では,1枚の画像から3次元衣料品を復元するための,学習可能なアンコレットアンサイン距離関数 (AnchorUDF) 表現を提案する。 AnchorUDFは符号のない距離場(UDF)を予測して3次元形状を表現し、任意の解像度でオープンな衣服表面モデリングを可能にする。
  論文  参考訳（メタデータ） (2021-08-19T03:45:38Z)
• KAPLAN: A 3D Point Descriptor for Shape Completion [80.15764700137383]
  KAPLANは、一連の2D畳み込みを通じて局所的な形状情報を集約する3Dポイント記述子である。 各平面において、正規点や平面間距離のような点特性は2次元グリッドに集約され、効率的な2次元畳み込みエンコーダを持つ特徴表現に抽象化される。 公開データセットの実験では、KAPLANが3D形状の完成のために最先端のパフォーマンスを達成することが示されている。
  論文  参考訳（メタデータ） (2020-07-31T21:56:08Z)
• Local Implicit Grid Representations for 3D Scenes [24.331110387905962]
  本稿では,拡張性と汎用性のために設計された新しい3次元形状表現であるLocal Implicit Grid Representationsを紹介する。 我々はオートエンコーダを訓練し、その大きさで3次元形状の局所的な作物の埋め込みを学習する。 次に,デコーダを形状最適化のコンポーネントとして使用し,重なり合う作物の正規格子上の潜伏符号の集合を解く。
  論文  参考訳（メタデータ） (2020-03-19T18:58:13Z)
• Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion [53.885984328273686]
  Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。 IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
  論文  参考訳（メタデータ） (2020-03-03T11:14:29Z)

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。