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
- Surf-D: High-Quality Surface Generation for Arbitrary Topologies using
Diffusion Models [84.70704129551245]
Surf-Dは任意の位相を持つ表面として高品質な3次元形状を生成する新しい方法である。
UDFは任意のトポロジを扱うのに優れており、複雑な形状を生成することができる。
論文 参考訳(メタデータ) (2023-11-28T18:56:01Z) - 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) - Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and
Manipulation [54.09274684734721]
本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。
具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
論文 参考訳(メタデータ) (2023-02-01T02:47:53Z) - 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) - 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) - Neural Convolutional Surfaces [59.172308741945336]
この研究は、大域的、粗い構造から、微細で局所的で、おそらく繰り返される幾何学を歪める形状の表現に関係している。
このアプローチは, 最先端技術よりも優れたニューラル形状圧縮を実現するとともに, 形状詳細の操作と伝達を可能にする。
論文 参考訳(メタデータ) (2022-04-05T15:40:11Z) - 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。
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。