論文の概要: Recurrently Estimating Reflective Symmetry Planes from Partial
Pointclouds
- arxiv url: http://arxiv.org/abs/2106.16129v1
- Date: Wed, 30 Jun 2021 15:26:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-01 15:29:27.093036
- Title: Recurrently Estimating Reflective Symmetry Planes from Partial
Pointclouds
- Title（参考訳）: 部分点雲からの反射対称性平面の繰り返し推定
- Authors: Mihaela C\u{a}t\u{a}lina Stoian, Tommaso Cavallari
- Abstract要約: 代わりに、高さ次元に沿ってデータをスライスし、2次元畳み込み再帰回帰スキームに順次渡す新しい符号化法を提案する。
提案手法は,全合成対象の平面反射対称性推定作業における最先端技術に匹敵する精度を有することを示す。
- 参考スコア（独自算出の注目度）: 5.098175145801009
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many man-made objects are characterised by a shape that is symmetric along
one or more planar directions. Estimating the location and orientation of such
symmetry planes can aid many tasks such as estimating the overall orientation
of an object of interest or performing shape completion, where a partial scan
of an object is reflected across the estimated symmetry plane in order to
obtain a more detailed shape. Many methods processing 3D data rely on expensive
3D convolutions. In this paper we present an alternative novel encoding that
instead slices the data along the height dimension and passes it sequentially
to a 2D convolutional recurrent regression scheme. The method also comprises a
differentiable least squares step, allowing for end-to-end accurate and fast
processing of both full and partial scans of symmetric objects. We use this
approach to efficiently handle 3D inputs to design a method to estimate planar
reflective symmetries. We show that our approach has an accuracy comparable to
state-of-the-art techniques on the task of planar reflective symmetry
estimation on full synthetic objects. Additionally, we show that it can be
deployed on partial scans of objects in a real-world pipeline to improve the
outputs of a 3D object detector.
- Abstract（参考訳）: 多くの人工物は、1つ以上の平面方向に沿って対称な形状で特徴づけられる。
そのような対称性平面の位置と向きを推定することは、対象の全体配向を推定したり、より詳細な形状を得るために対象の部分走査が推定対称性平面にわたって反射されるような形状完備化を行うといった多くのタスクに役立つ。
3dデータを処理する多くの方法は高価な3d畳み込みに依存する。
本稿では,その代わりにデータを高さ次元に沿ってスライスし,2次元畳み込み回帰スキームに順次渡す,新たな符号化手法を提案する。
また、この方法は微分可能な最小二乗ステップを含み、対称オブジェクトの完全および部分スキャンの両方をエンドツーエンドで高精度かつ高速に処理することができる。
この手法を用いて3次元入力を効率的に処理し,平面反射対称性を推定する手法を設計する。
提案手法は,全合成対象の平面反射対称性推定作業における最先端技術に匹敵する精度を有することを示す。
さらに,3次元物体検出器の出力を改善するために,実世界のパイプライン内の物体の部分的スキャンに展開可能であることを示す。
関連論文リスト
- PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - Partial Symmetry Detection for 3D Geometry using Contrastive Learning
with Geodesic Point Cloud Patches [10.48309709793733]
我々は,測地線点雲パッチの回転,反射,翻訳,スケール不変な局所形状の特徴を学習することを提案する。
この曖昧な問題に対して,本手法は複数の有効な解を抽出可能であることを示す。
検出された対称性を領域成長アルゴリズムと組み合わせて下流タスクを実証する。
論文 参考訳（メタデータ） (2023-12-13T15:48:50Z) - Neural Semantic Surface Maps [52.61017226479506]
本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。
提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
論文 参考訳（メタデータ） (2023-09-09T16:21:56Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z) - Data-efficient learning for 3D mirror symmetry detection [9.904746542801838]
単視点画像から3次元ミラー面を検出するための幾何学的な深層学習手法を提案する。
我々は、意味的特徴を抽出し、画素内相関を計算し、各平面に対して3次元相関ボリュームを構築する。
合成データセットと実世界のデータセットの両方の実験は、データ効率と推論速度を改善するために3Dミラー幾何の利点を示している。
論文 参考訳（メタデータ） (2021-12-23T14:37:52Z) - Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。
本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。
本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
論文 参考訳（メタデータ） (2021-12-14T13:14:24Z) - Robust Extrinsic Symmetry Estimation in 3D Point Clouds [4.416484585765027]
3次元点雲で表される物体の反射対称性面を検出することは、3次元コンピュータビジョンと幾何学処理の基本的な問題である。
本稿では,外乱や欠落部分に対して頑健な反射対称性の平面に対する統計的推定器に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-21T03:09:51Z) - DensePose 3D: Lifting Canonical Surface Maps of Articulated Objects to
the Third Dimension [71.71234436165255]
DensePose 3Dは2次元画像アノテーションのみから弱い教師付きで再構築を学習できる手法である。
3Dスキャンを必要としないため、DensePose 3Dは異なる動物種などの幅広いカテゴリーの学習に利用できる。
我々は,人間と動物のカテゴリーの合成データと実データの両方をベースラインとして,最先端の非剛体構造と比較し,顕著な改善を示した。
論文 参考訳（メタデータ） (2021-08-31T18:33:55Z) - NeRD: Neural 3D Reflection Symmetry Detector [27.626579746101292]
ニューラル3次元反射対称性検出器NeRDについて述べる。
まず、粗大な戦略で対称性平面を列挙し、それから3次元のコストボリュームを構築することで最良の平面を見つける。
実験の結果,本手法で検出した対称性平面は直接CNN回帰から検出した平面よりもかなり精度が高いことがわかった。
論文 参考訳（メタデータ） (2021-04-19T17:25:51Z) - From Points to Multi-Object 3D Reconstruction [71.17445805257196]
単一のRGB画像から複数の3Dオブジェクトを検出し再構成する方法を提案する。
キーポイント検出器は、オブジェクトを中心点としてローカライズし、9-DoF境界ボックスや3D形状を含む全てのオブジェクト特性を直接予測する。
提示されたアプローチは、軽量な再構築を単一ステージで実行し、リアルタイム能力を持ち、完全に微分可能で、エンドツーエンドのトレーナーブルである。
論文 参考訳（メタデータ） (2020-12-21T18:52:21Z) - SymmetryNet: Learning to Predict Reflectional and Rotational Symmetries
of 3D Shapes from Single-View RGB-D Images [26.38270361331076]
本稿では3次元物体の反射対称性と回転対称性の両方を予測できるエンドツーエンドのディープニューラルネットワークを提案する。
単視点RGB-D画像に基づく3次元対称性検出のベンチマークにも貢献する。
論文 参考訳（メタデータ） (2020-08-02T14:10:09Z)
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。