Fugu-MT 論文翻訳(概要): Geometry-Consistent Neural Shape Representation with Implicit Displacement Fields

論文の概要: Geometry-Consistent Neural Shape Representation with Implicit Displacement Fields

arxiv url: http://arxiv.org/abs/2106.05187v1
Date: Wed, 9 Jun 2021 16:26:18 GMT
ステータス: 処理完了
システム内更新日: 2021-06-10 19:04:58.929903
Title: Geometry-Consistent Neural Shape Representation with Implicit Displacement Fields
Title（参考訳）: 入射変位場を用いた幾何一貫性ニューラル形状表現
Authors: Wang Yifan, Lukas Rahmann, Olga Sorkine-Hornung
Abstract要約: 詳細な3次元幾何学のための新しい表現である暗黙の変位場を提示する。本手法は, 従来の表面変形法, 変位マッピングにヒントを得て, 複素曲面を平滑なベース表面と, ベース方向に沿った変位として表現する。この絡み合いは、構造によって固有の周波数階層を持つ設計を仕立てたため、教師なしである。
参考スコア（独自算出の注目度）: 21.028019387894453
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We present implicit displacement fields, a novel representation for detailed 3D geometry. Inspired by a classic surface deformation technique, displacement mapping, our method represents a complex surface as a smooth base surface plus a displacement along the base's normal directions, resulting in a frequency-based shape decomposition, where the high frequency signal is constrained geometrically by the low frequency signal. Importantly, this disentanglement is unsupervised thanks to a tailored architectural design that has an innate frequency hierarchy by construction. We explore implicit displacement field surface reconstruction and detail transfer and demonstrate superior representational power, training stability and generalizability.
Abstract（参考訳）: 詳細な3次元幾何学のための新しい表現である暗黙の変位場を示す。本手法は, 従来の表面変形法, 変位マッピングにヒントを得て, 複素曲面を平滑な基底面として, ベース方向に沿った変位を表現し, 高周波信号が低周波信号によって幾何的に拘束されるような周波数ベース形状分解を行う。重要なことに、この絡み合いは、構造によって固有の周波数階層を持つアーキテクチャ設計が整ったため、教師なしである。暗黙的な変位場表面再構成と細部移動を探索し,優れた表現力,トレーニング安定性,一般化性を示す。

関連論文リスト

Geometry Distributions [51.4061133324376]
本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
論文参考訳（メタデータ） (2024-11-25T04:06:48Z)
AniSDF: Fused-Granularity Neural Surfaces with Anisotropic Encoding for High-Fidelity 3D Reconstruction [55.69271635843385]
AniSDF(AniSDF)は,高忠実度3次元再構成のための物理に基づく符号化による融合粒度ニューラルサーフェスを学習する新しいアプローチである。本手法は, 幾何再構成と新規ビュー合成の両面において, SDF法の品質を飛躍的に向上させる。
論文参考訳（メタデータ） (2024-10-02T03:10:38Z)
ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
論文参考訳（メタデータ） (2024-08-22T17:59:01Z)
DynoSurf: Neural Deformation-based Temporally Consistent Dynamic Surface Reconstruction [93.18586302123633]
本稿では3次元点雲列から時間的に一貫した表面を対応なく再構成する問題について考察する。テンプレート表面表現と学習可能な変形場を統合した教師なし学習フレームワークDynoSurfを提案する。実験により、DynoSurfの現在の最先端アプローチに対する顕著な優位性を示した。
論文参考訳（メタデータ） (2024-03-18T08:58:48Z)
A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。 2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
論文参考訳（メタデータ） (2023-08-19T00:55:55Z)
Explicit Neural Surfaces: Learning Continuous Geometry With Deformation Fields [33.38609930708073]
本稿では、既知の基底領域からの変形場と位相をエンコードする効率的な滑らかな表面表現であるExplicit Neural Surfaces (ENS)を紹介する。暗黙の面と比較して、ENSは高速で、数桁の速度で推論を行うことができる。
論文参考訳（メタデータ） (2023-06-05T15:24:33Z)
HR-NeuS: Recovering High-Frequency Surface Geometry via Neural Implicit Surfaces [6.382138631957651]
我々は新しい暗黙表面再構成法であるHigh-Resolution NeuSを提案する。 HR-NeuSは大規模な再構成精度を維持しながら高周波表面形状を復元する。我々は,DTUおよびBlendedMVSデータセットを用いた実験により,従来の手法と同等の精度で定性的に詳細かつ定量的な3次元測地を生成できることを実証した。
論文参考訳（メタデータ） (2023-02-14T02:25:16Z)
Recovering Fine Details for Neural Implicit Surface Reconstruction [3.9702081347126943]
そこで我々はD-NeuSを提案する。D-NeuSは、微細な幾何学的詳細を復元できるボリュームレンダリング型ニューラル暗示表面再構成法である。我々は,SDFゼロクロスの補間により表面点に多視点の特徴的整合性を付与する。本手法は,高精度な表面を細部で再構成し,その性能を向上する。
論文参考訳（メタデータ） (2022-11-21T10:06:09Z)
A Level Set Theory for Neural Implicit Evolution under Explicit Flows [102.18622466770114]
暗黙の曲面をパラメータ化するコーディネートベースのニューラルネットワークは、幾何学の効率的な表現として登場した。このような暗黙の面に三角形メッシュに対して定義された変形操作を適用することができるフレームワークを提案する。提案手法は, 表面平滑化, 平均曲率流, 逆レンダリング, 暗黙的幾何によるユーザ定義編集など, 応用性の向上を示す。
論文参考訳（メタデータ） (2022-04-14T17:59:39Z)
Disentangling Geometric Deformation Spaces in Generative Latent Shape Models [5.582957809895198]
3Dオブジェクトの完全な表現には、解釈可能な方法で変形の空間を特徴づける必要がある。本研究では,物体形状の空間を剛性方向,非剛性ポーズ,内在的な形状に分解する3次元形状の不整合の事前生成モデルを改善する。得られたモデルは生の3D形状からトレーニングできる。
論文参考訳（メタデータ） (2021-02-27T06:54:31Z)
Sparse-data based 3D surface reconstruction with vector matching [4.471370467116141]
正規ベクトルマッチングと第1次および第2次全変分正規化器を組み合わせた新しいモデルが提案されている。拡張ラグランジアンに基づく高速アルゴリズムも提案されている。
論文参考訳（メタデータ） (2020-09-28T00:36:49Z)

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。