論文の概要: B-Splines
- arxiv url: http://arxiv.org/abs/2108.06617v1
- Date: Sat, 14 Aug 2021 21:30:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-18 06:20:40.969835
- Title: B-Splines
- Title(参考訳): bスプライン
- Authors: Arindam Chaudhuri
- Abstract要約: 2つの重要なB-Spline特性viz凸船体特性と繰り返し点効果について議論した。
B-Spline曲線が内部臓器のCT画像データセットの3次元表面を再構成する画像処理に基づく産業応用は,これらの曲線の強さを浮き彫りにする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: BSplines are one of the most promising curves in computer graphics. They are
blessed with some superior geometric properties which make them an ideal
candidate for several applications in computer aided design industry. In this
article, some basic properties of B-Spline curves are presented. Two
significant B-Spline properties viz convex hull property and repeated points
effects are discussed. The BSplines computation in computational devices is
also illustrated. An industry application based on image processing where
B-Spline curve reconstructs the 3D surfaces for CT image datasets of inner
organs further highlights the strength of these curves
- Abstract(参考訳): BSplinesはコンピュータグラフィックスで最も有望な曲線の1つである。
それらは優れた幾何学的性質を備えており、コンピュータ支援デザイン産業におけるいくつかの応用の理想的な候補となっている。
本稿では,B-スプライン曲線の基本特性について述べる。
2つの重要なB-Spline特性viz凸船体特性と繰り返し点効果について議論した。
計算装置におけるbsplines計算も示されている。
B-Spline曲線がCT画像データセットの3次元表面を再構成する画像処理に基づく産業応用は、これらの曲線の強さをさらに強調する。
関連論文リスト
- DeepBranchTracer: A Generally-Applicable Approach to Curvilinear
Structure Reconstruction Using Multi-Feature Learning [12.047523258256088]
本稿では,外部画像の特徴と内部幾何学的特徴の両方を学習し,曲線構造を再構築するDeepBranchTracerを紹介する。
既存のセグメンテーション法や再構成法よりも優れた性能を示すため,2次元データセットと3次元データセットの両方でモデルを広範囲に評価した。
論文 参考訳(メタデータ) (2024-02-02T07:13:07Z) - Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。
GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。
BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
論文 参考訳(メタデータ) (2023-04-06T14:33:05Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳(メタデータ) (2022-12-17T15:05:25Z) - 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) - Learning Mesh Representations via Binary Space Partitioning Tree
Networks [28.962866472806812]
コンベックス分解により3次元形状を表現するネットワークであるBSP-Netを提案する。
ネットワークは、一組の平面上に構築されたBSPツリーから得られた凸の集合を用いて形状を再構築するよう訓練され、平面と凸はどちらも学習されたネットワーク重みによって定義される。
生成されたメッシュは、水密でコンパクト(低ポーリー)で、鋭い幾何学を表現するのに適している。
論文 参考訳(メタデータ) (2021-06-27T16:37:54Z) - Deep Implicit Surface Point Prediction Networks [49.286550880464866]
暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。
本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2021-06-10T14:31:54Z) - A Novel 3D-UNet Deep Learning Framework Based on High-Dimensional
Bilateral Grid for Edge Consistent Single Image Depth Estimation [0.45880283710344055]
3DBG-UNetと呼ばれるバイラテラルグリッドベースの3D畳み込みニューラルネットワークは、UNetsでコンパクトな3D二元格子を符号化することで、高次元の特徴空間をパラメータ化する。
別の新しい3DBGES-UNetモデルは、3DBG-UNetを統合して1つのカラービューの正確な深度マップを推測するものである。
論文 参考訳(メタデータ) (2021-05-21T04:53:14Z) - Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。
ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。
提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文 参考訳(メタデータ) (2020-08-18T06:33:40Z) - GarNet++: Improving Fast and Accurate Static3D Cloth Draping by
Curvature Loss [89.96698250086064]
仮想3次元体上にテンプレート布を視覚的に可視的に描画する2ストリームディープネットワークモデルを提案する。
我々のネットワークは、計算時間を桁違いに減らしながら、物理ベースシミュレーション(PBS)法を模倣することを学ぶ。
身体形状とポーズの異なる4種類の衣服の枠組みを検証した。
論文 参考訳(メタデータ) (2020-07-20T13:40:15Z) - Geometric Attention for Prediction of Differential Properties in 3D
Point Clouds [32.68259334785767]
本研究では,このような特性を学習可能な方法で提供できる幾何学的注意機構を提案する。
本研究では,正規ベクトルの予測と特徴線の抽出に関する実験により,提案手法の有用性を確立した。
論文 参考訳(メタデータ) (2020-07-06T07:40:26Z)
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。