論文の概要: Indoor Panorama Planar 3D Reconstruction via Divide and Conquer

• arxiv url: http://arxiv.org/abs/2106.14166v1
• Date: Sun, 27 Jun 2021 07:58:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 18:06:51.733168
• Title: Indoor Panorama Planar 3D Reconstruction via Divide and Conquer
• Title（参考訳）: 屋内パノラマ平面3次元再構成の分割と克服
• Authors: Cheng Sun, Chi-Wei Hsiao, Ning-Hsu Wang, Min Sun, Hwann-Tzong Chen
• Abstract要約: 室内パノラマは典型的には人造構造で、重力に平行または垂直である。 我々はこの現象を利用して、(H)水平面と(V)慣性面を持つ360度画像のシーンを近似する。 我々は、既存の360度深度データセットを地平線H&V平面で拡張することにより、屋内パノラマ平面再構成のためのベンチマークを作成する。
• 参考スコア（独自算出の注目度）: 36.466149592254965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Indoor panorama typically consists of human-made structures parallel or perpendicular to gravity. We leverage this phenomenon to approximate the scene in a 360-degree image with (H)orizontal-planes and (V)ertical-planes. To this end, we propose an effective divide-and-conquer strategy that divides pixels based on their plane orientation estimation; then, the succeeding instance segmentation module conquers the task of planes clustering more easily in each plane orientation group. Besides, parameters of V-planes depend on camera yaw rotation, but translation-invariant CNNs are less aware of the yaw change. We thus propose a yaw-invariant V-planar reparameterization for CNNs to learn. We create a benchmark for indoor panorama planar reconstruction by extending existing 360 depth datasets with ground truth H\&V-planes (referred to as PanoH&V dataset) and adopt state-of-the-art planar reconstruction methods to predict H\&V-planes as our baselines. Our method outperforms the baselines by a large margin on the proposed dataset.
• Abstract（参考訳）: 室内パノラマは典型的には人造構造で、重力に平行または垂直である。 この現象を利用して, (h) 水平面と (v) 慣性面を持つ360度画像のシーンを近似する。 この目的のために,各平面方向推定に基づいて画素を分割する効果的な分割・対数戦略を提案し,その後継のインスタンス分割モジュールは各平面方向群においてより容易にクラスタリングされる平面のタスクを征服する。 さらに、v-プレーンのパラメータはカメラヨー回転に依存するが、変換不変なcnnはヨー変化をあまり認識していない。 そこで我々は,CNNの学習のために,Yaw-invariant V-planar reparameterizationを提案する。 我々は,既存の360度深度データセットを地上真理h\&v-planes (panoh&v-planes) で拡張し,最先端の平面再構成手法を用いてh\&v-planesをベースラインとして予測することにより,屋内パノラマ平面再構成のためのベンチマークを作成する。 提案手法は,提案するデータセットのベースラインを大きなマージンで上回っている。

関連論文リスト

• MonoPlane: Exploiting Monocular Geometric Cues for Generalizable 3D Plane Reconstruction [37.481945507799594]
  本稿では,MonoPlaneという汎用的な3次元平面検出・再構成フレームワークを提案する。 まず、大規模な事前学習ニューラルネットワークを用いて、1つの画像から深度と表面の正常値を得る。 これらの特異な幾何学的手がかりを近接誘導RANSACフレームワークに組み込んで各平面インスタンスに順次適合させる。
  論文  参考訳（メタデータ） (2024-11-02T12:15:29Z)
• AirPlanes: Accurate Plane Estimation via 3D-Consistent Embeddings [26.845588648999417]
  本研究では,3次元画像から平面面を推定する問題に対処する。 本稿では,平面へのクラスタリングにおける幾何を補完する多視点一貫した平面埋め込みを予測する手法を提案する。 我々は、ScanNetV2データセットの広範な評価を通じて、我々の新しい手法が既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-13T09:49:31Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Tri-Perspective View for Vision-Based 3D Semantic Occupancy Prediction [84.94140661523956]
  本稿では,2つの垂直面を追加してBEVに付随するトリ・パースペクティブ・ビュー(TPV)表現を提案する。 3次元空間の各点を3次元平面上の投影された特徴をまとめてモデル化する。 実験結果から,本モデルは全ボクセルのセマンティック占有率を効果的に予測できることが示唆された。
  論文  参考訳（メタデータ） (2023-02-15T17:58:10Z)
• Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D Object Detection [92.75961303269548]
  先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである 本稿では,両問題を一度に解決するGPENetを提案する。 我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
  論文  参考訳（メタデータ） (2022-11-03T02:21:35Z)
• PlaneDepth: Self-supervised Depth Estimation via Orthogonal Planes [41.517947010531074]
  複数の前頭平行面に基づく深度推定は、自己教師付き単眼深度推定(MDE)において顕著な結果を示した 本研究では,垂直面と接地面を含む新しい平面ベースプレゼンテーションであるPlaneDepthを提案する。 本手法は, 自律走行において重要な, 教師なしの方法で地上面を抽出することができる。
  論文  参考訳（メタデータ） (2022-10-04T13:51:59Z)
• PlaneMVS: 3D Plane Reconstruction from Multi-View Stereo [32.81496429134453]
  カメラのポーズによる複数入力ビューからの3次元平面再構成のための新しいフレームワークPlainMVSを提案する。 対照的に、マルチビュー幾何学を利用するマルチビューステレオ(MVS)パイプラインで3次元平面を再構成する。 本手法は,学習面の先行性により,SOTA学習に基づくMVS手法よりも優れる。
  論文  参考訳（メタデータ） (2022-03-22T22:35:46Z)
• PlaneTR: Structure-Guided Transformers for 3D Plane Recovery [56.23402171871664]
  平面TRは1つの画像から同時に平面を検出し、再構成する。 PlaneTRはScanNetとNYUv2データセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-07-27T23:55:40Z)
• Dynamic Plane Convolutional Occupancy Networks [4.607145155913717]
  本研究では,3次元表面再構成の精度を高めるために,動的平面畳み込み機能ネットワークを提案する。 完全に接続されたネットワークは、オブジェクトやシーンの形状を最もよく記述する平面パラメータを予測することを学ぶ。 提案手法は,ShapeNetの無向点雲と屋内シーンデータセットからの表面再構成において,優れた性能を示す。
  論文  参考訳（メタデータ） (2020-11-11T14:24:52Z)
• From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized 3D Point Clouds [59.98665358527686]
  直交平面の分割自由結合推定法を提案する。 このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。 本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
  論文  参考訳（メタデータ） (2020-01-21T06:51:47Z)

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。