論文の概要: Learning Anchored Unsigned Distance Functions with Gradient Direction Alignment for Single-view Garment Reconstruction

• arxiv url: http://arxiv.org/abs/2108.08478v1
• Date: Thu, 19 Aug 2021 03:45:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-20 14:33:25.776379
• Title: Learning Anchored Unsigned Distance Functions with Gradient Direction Alignment for Single-view Garment Reconstruction
• Title（参考訳）: グラデーション方向アライメントを有する学習アンカー型非符号距離関数による単視点衣服再構成
• Authors: Fang Zhao, Wenhao Wang, Shengcai Liao, Ling Shao
• Abstract要約: 本稿では,1枚の画像から3次元衣料品を復元するための,学習可能なアンコレットアンサイン距離関数 (AnchorUDF) 表現を提案する。 AnchorUDFは符号のない距離場(UDF)を予測して3次元形状を表現し、任意の解像度でオープンな衣服表面モデリングを可能にする。
• 参考スコア（独自算出の注目度）: 92.23666036481399
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While single-view 3D reconstruction has made significant progress benefiting from deep shape representations in recent years, garment reconstruction is still not solved well due to open surfaces, diverse topologies and complex geometric details. In this paper, we propose a novel learnable Anchored Unsigned Distance Function (AnchorUDF) representation for 3D garment reconstruction from a single image. AnchorUDF represents 3D shapes by predicting unsigned distance fields (UDFs) to enable open garment surface modeling at arbitrary resolution. To capture diverse garment topologies, AnchorUDF not only computes pixel-aligned local image features of query points, but also leverages a set of anchor points located around the surface to enrich 3D position features for query points, which provides stronger 3D space context for the distance function. Furthermore, in order to obtain more accurate point projection direction at inference, we explicitly align the spatial gradient direction of AnchorUDF with the ground-truth direction to the surface during training. Extensive experiments on two public 3D garment datasets, i.e., MGN and Deep Fashion3D, demonstrate that AnchorUDF achieves the state-of-the-art performance on single-view garment reconstruction.
• Abstract（参考訳）: 近年, 深部形状表現の利点を生かして, 単視3次元復元は大きな進歩を遂げているが, 開放面, 多様な地形, 複雑な幾何学的詳細などにより, 衣服の再構築は未解決のままである。 本稿では,1枚の画像から3次元衣料品を復元するための,学習可能なアンコレッドアンサイン距離関数 (AnchorUDF) 表現を提案する。 AnchorUDFは符号のない距離場(UDF)を予測して3次元形状を表現し、任意の解像度でオープンな衣服表面モデリングを可能にする。 多様な衣服トポロジをキャプチャするために、anchorudfはクエリポイントのピクセルアライメントされたローカルイメージ特徴を計算するだけでなく、表面の周囲に位置する一連のアンカーポイントを利用してクエリポイントの3d位置特徴を強化し、距離関数に強力な3d空間コンテキストを提供する。 さらに, 推論におけるより正確な点投影方向を得るため, トレーニング中にAnchorUDFの空間勾配方向と地表面の接地方向を明示的に整列する。 2つの公開3d衣料データセット、すなわちmgnとdeep fashion3dに関する広範囲な実験は、anchoudfが単視点衣料の再構築において最先端のパフォーマンスを達成していることを示している。

関連論文リスト

• Gradient Distance Function [52.615859148238464]
  また,GDF (Gradient Distance Function) は表面上での微分可能でありながら,開口面を表現可能であることを示す。 これは、ノルムが表面への符号のない距離である3Dベクトルをそれぞれ3Dポイントに関連付けることによって行われる。 本稿では,ShapeNet Car,Multi-Garment,および3D-SceneデータセットにおけるGDFの有効性を示す。
  論文  参考訳（メタデータ） (2024-10-29T18:04:01Z)
• Unsigned Orthogonal Distance Fields: An Accurate Neural Implicit Representation for Diverse 3D Shapes [29.65562721329593]
  本稿では,符号なし距離場(UDF)に基づくニューラル暗黙表現を提案する。 UODFでは、任意の空間点から形状表面への最小符号なし距離は、SDFとUDFの多方向決定とは対照的に、一方向のみに定義される。 本研究では,水密形状から水密形状から複雑な形状まで,様々な復元例を用いてUODFの有効性を検証した。
  論文  参考訳（メタデータ） (2024-03-03T06:58:35Z)
• Neural Voting Field for Camera-Space 3D Hand Pose Estimation [106.34750803910714]
  3次元暗黙表現に基づく1枚のRGB画像からカメラ空間の3Dハンドポーズ推定のための統一的なフレームワークを提案する。 本稿では,カメラフラストラムにおける高密度3次元ポイントワイド投票により,カメラ空間の3次元ハンドポーズを推定する,新しい3次元高密度回帰手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T16:51:34Z)
• GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided Distance Representation [73.77505964222632]
  スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。 具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。 予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
  論文  参考訳（メタデータ） (2022-11-30T06:02:01Z)
• 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)
• Spline Positional Encoding for Learning 3D Implicit Signed Distance Fields [18.6244227624508]
  多層パーセプトロン(MLP)は3次元形状を暗黙的に、コンパクトに表現するのに成功している。 本稿では,Spline Positional cloudsと呼ばれる新しい位置符号化方式を提案する。
  論文  参考訳（メタデータ） (2021-06-03T02:37:47Z)
• Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion [53.885984328273686]
  Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。 IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
  論文  参考訳（メタデータ） (2020-03-03T11:14:29Z)

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。