論文の概要: Structured Outdoor Architecture Reconstruction by Exploration and
Classification
- arxiv url: http://arxiv.org/abs/2108.07990v1
- Date: Wed, 18 Aug 2021 06:28:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-19 14:41:07.098991
- Title: Structured Outdoor Architecture Reconstruction by Exploration and
Classification
- Title（参考訳）: 探索と分類による屋外建築の構造化
- Authors: Fuyang Zhang, Xiang Xu, Nelson Nauata, Yasutaka Furukawa
- Abstract要約: 本研究では,空中画像から構造化された構造復元のための探索・分類フレームワークを提案する。
我々は,基礎構造に基づいて分類ラベルを生成しながら,構築モデルの正しさを分類することを学ぶ。
2つのベースラインと2つの最先端再構築アルゴリズムによる初期再構成手法の評価を行った。
- 参考スコア（独自算出の注目度）: 34.066110654930476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an explore-and-classify framework for structured
architectural reconstruction from an aerial image. Starting from a potentially
imperfect building reconstruction by an existing algorithm, our approach 1)
explores the space of building models by modifying the reconstruction via
heuristic actions; 2) learns to classify the correctness of building models
while generating classification labels based on the ground-truth, and 3)
repeat. At test time, we iterate exploration and classification, seeking for a
result with the best classification score. We evaluate the approach using
initial reconstructions by two baselines and two state-of-the-art
reconstruction algorithms. Qualitative and quantitative evaluations demonstrate
that our approach consistently improves the reconstruction quality from every
initial reconstruction.
- Abstract（参考訳）: 本稿では,空中画像から構造的再構築を行うための探索・分類フレームワークを提案する。
既存のアルゴリズムによる潜在的不完全な建物の再構築から始まり、(1)ヒューリスティックなアクションによって再構築を修正し、建築モデルの空間を探索する。2) 建築モデルの正しい分類を学習し、基盤に基づいて分類ラベルを生成し、3) 繰り返す。
テスト時には、探索と分類を繰り返し、最高の分類スコアで結果を求めます。
2つのベースラインと2つの最先端再構築アルゴリズムによる初期再構成手法の評価を行った。
定性的および定量的評価により,本手法は初期再建の度に常に再現品質を向上することを示した。
関連論文リスト
- ReMatching Dynamic Reconstruction Flow [55.272357926111454]
本稿では,動的再構成モデルに変形前処理を組み込むことにより,一般化品質の向上を目的としたReMatchingフレームワークを提案する。
このフレームワークは高度に適応可能であり、様々な動的表現に適用できる。
合成シーンと実世界のダイナミックシーンの両方を含む一般的なベンチマークの評価は、現在の最先端モデルの再構築精度を明らかに向上させたことを示す。
論文 参考訳（メタデータ） (2024-11-01T16:09:33Z) - StructRe: Rewriting for Structured Shape Modeling [63.792684115318906]
本稿では,構造化形状モデリングの新しいアプローチとして,構造書換えシステムであるStructReを提案する。
ポイントとコンポーネントで表される3Dオブジェクトが与えられたら、StructReはそれを上向きに、より簡潔な構造に書き直すか、より詳細な構造に書き直すことができる。
論文 参考訳（メタデータ） (2023-11-29T10:35:00Z) - Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。
クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。
このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文 参考訳（メタデータ） (2023-05-24T11:05:12Z) - ComplexGen: CAD Reconstruction by B-Rep Chain Complex Generation [28.445041795260906]
我々は,境界表現(B-Rep)におけるCADモデルの再構成を,異なる順序の幾何学的プリミティブの検出とみなす。
このような包括的構造をモデル化することにより,より完全かつ規則化された再構築を実現することができることを示す。
論文 参考訳（メタデータ） (2022-05-29T05:30:33Z) - Pre-train, Self-train, Distill: A simple recipe for Supersizing 3D
Reconstruction [47.38670633513938]
我々は、数百のセマンティックカテゴリからオブジェクトの単一ビュー3D再構成のための統一モデルを学ぶ。
我々の研究は、一般的なカテゴリの3D学習のための分割画像収集に依存している。
論文 参考訳（メタデータ） (2022-04-07T17:59:25Z) - Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
再建された表面をニューラルネットワークを用いてアトラスとして表現する。
本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
論文 参考訳（メタデータ） (2021-04-14T16:21:22Z) - Generative Tomography Reconstruction [11.460692362624533]
そこで本研究では,ノイズの高い音像を復調にマッピングするトモグラフィ再構成のためのエンドツーエンドの微分可能なアーキテクチャを提案する。
また,ノイズに富む音像から現実的な再構成をサンプリングできる生成モデルを提案する。
論文 参考訳（メタデータ） (2020-10-26T18:22:37Z) - Curved Buildings Reconstruction from Airborne LiDAR Data by Matching and
Deforming Geometric Primitives [13.777047260469677]
幾何学的プリミティブの組立と変形による湾曲した建物再建のための新しい枠組みを提案する。
このフレームワークは、様々な都市で様々なLiDARによって収集されたいくつかの高い湾曲した建物で検証されている。
論文 参考訳（メタデータ） (2020-03-22T16:05:10Z)
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。