論文の概要: A Multiple-View Geometric Model for Specularity Prediction on Non-Uniformly Curved Surfaces

• arxiv url: http://arxiv.org/abs/2108.09378v1
• Date: Fri, 20 Aug 2021 21:21:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-25 10:56:52.724264
• Title: A Multiple-View Geometric Model for Specularity Prediction on Non-Uniformly Curved Surfaces
• Title（参考訳）: 非均一曲面上の特異性予測のための多視点幾何モデル
• Authors: Alexandre Morgand (1) Mohamed Tamaazousti (2) and Adrien Bartoli (3) ((1) SLAMcore ltd, London, UK (2) Universit\'e Paris Saclay, CEA, LIST, Gif-sur-Yvette, France (3) IP-UMR 6602 - CNRS/UCA/CHU, Clermont-Ferrand, France)
• Abstract要約: Augmented Reality (AR), Simultaneous Localisation and Mapping (SLAM), 3次元再構成, 物質モデリングなど,多くのコンピュータビジョンアプリケーションには特異性予測が不可欠である。 従来の作業では、所定のカメラポーズの特異性画像輪郭に収まる楕円体を用いて、明示的なモデルを作成することで、この問題に対処してきた。 本稿では,JOLIMASを任意の表面形状に一般化し,特異性予測の精度を向上させることにより,これらの手法を構築した。
• 参考スコア（独自算出の注目度）: 45.07100273449755
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Specularity prediction is essential to many computer vision applications by giving important visual cues that could be used in Augmented Reality (AR), Simultaneous Localisation and Mapping (SLAM), 3D reconstruction and material modeling, thus improving scene understanding. However, it is a challenging task requiring numerous information from the scene including the camera pose, the geometry of the scene, the light sources and the material properties. Our previous work have addressed this task by creating an explicit model using an ellipsoid whose projection fits the specularity image contours for a given camera pose. These ellipsoid-based approaches belong to a family of models called JOint-LIght MAterial Specularity (JOLIMAS), where we have attempted to gradually remove assumptions on the scene such as the geometry of the specular surfaces. However, our most recent approach is still limited to uniformly curved surfaces. This paper builds upon these methods by generalising JOLIMAS to any surface geometry while improving the quality of specularity prediction, without sacrificing computation performances. The proposed method establishes a link between surface curvature and specularity shape in order to lift the geometric assumptions from previous work. Contrary to previous work, our new model is built from a physics-based local illumination model namely Torrance-Sparrow, providing a better model reconstruction. Specularity prediction using our new model is tested against the most recent JOLIMAS version on both synthetic and real sequences with objects of varying shape curvatures. Our method outperforms previous approaches in specularity prediction, including the real-time setup, as shown in the supplementary material using videos.
• Abstract（参考訳）: 特異性予測は、拡張現実(AR)、同時局在マッピング(SLAM)、3次元再構成と物質モデリングで使用できる重要な視覚的手がかりを提供することによって、多くのコンピュータビジョンアプリケーションにとって不可欠である。 しかし、カメラポーズ、シーンの幾何学、光源、材料特性など、シーンからの多数の情報を必要とする課題である。 我々の以前の研究では、特定のカメラのポーズのスペクティリティ・イメージの輪郭に合致する楕円体を用いて明示的なモデルを作成することでこの問題に対処しました。 これらの楕円体に基づくアプローチは、Joint-LIght Material Specularity (JOLIMAS)と呼ばれるモデルの族に属する。 しかし、我々の最新のアプローチはまだ一様曲面に限られている。 本稿では、JOLIMASを任意の表面形状に一般化し、計算性能を犠牲にすることなく、特異性予測の質を改善した。 提案手法は, 先行研究から幾何学的仮定を取り上げるために, 表面曲率と鏡面形状とのリンクを確立する。 従来の研究とは対照的に、我々の新しいモデルは物理に基づく局所照明モデルであるTorrance-Sparrowから構築され、より良いモデル再構成を提供する。 本モデルを用いた特異性予測は, 形状曲率の異なる合成および実数列において, 最新のJOLIMASバージョンと比較した。 本手法は,ビデオを用いた補足資料で示されるように,リアルタイム設定を含む投機性予測における従来のアプローチを上回っている。

関連論文リスト

• Geometry Distributions [51.4061133324376]
  本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。 提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。 本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-25T04:06:48Z)
• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• Spurfies: Sparse Surface Reconstruction using Local Geometry Priors [8.260048622127913]
  我々はスパースビュー表面再構成の新しい手法であるSpurfiesを紹介した。 それは、合成データに基づいて訓練された局所幾何学的先行情報を利用するために、外観と幾何学的情報を切り離す。 提案手法をDTUデータセット上で検証し,従来技術よりも表面品質が35%向上したことを示す。
  論文  参考訳（メタデータ） (2024-08-29T14:02:47Z)
• PGAHum: Prior-Guided Geometry and Appearance Learning for High-Fidelity Animatable Human Reconstruction [9.231326291897817]
  我々はPGAHumを紹介した。PGAHumは、高忠実でアニマタブルな人体再構成のための、事前ガイダンス付き幾何学および外観学習フレームワークである。 我々はPGAHumの3つの主要モジュールにおける3次元人体前駆体を徹底的に利用し、複雑な細部と見えないポーズのフォトリアリスティックなビュー合成による高品質な幾何再構成を実現する。
  論文  参考訳（メタデータ） (2024-04-22T04:22:30Z)
• Ghost on the Shell: An Expressive Representation of General 3D Shapes [97.76840585617907]
  リアルな素材と照明で高速な物理ベースのレンダリングを可能にするので、メッシュは魅力的だ。 近年の3次元形状の再構成と統計的モデリングの研究は、メッシュをトポロジカルに非フレキシブルであると批判している。 我々は水密面上の多様体符号距離場を定義することにより開曲面をパラメータ化する。 G-Shellは、非水密メッシュ再構築および生成タスクにおける最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-10-23T17:59:52Z)
• Dynamic Multi-View Scene Reconstruction Using Neural Implicit Surface [0.9134661726886928]
  マルチビュービデオからの暗黙表現を用いて表面形状と外観を再構成するテンプレートレス手法を提案する。 我々はトポロジーを考慮した変形と符号付き距離場を利用して、微分可能なボリュームレンダリングにより複雑な動的曲面を学習する。 異なる多視点ビデオデータセットを用いた実験により,本手法は高忠実度表面再構成とフォトリアリスティックなノベルビュー合成を実現することを示す。
  論文  参考訳（メタデータ） (2023-02-28T19:47:30Z)
• Shape, Pose, and Appearance from a Single Image via Bootstrapped Radiance Field Inversion [54.151979979158085]
  提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。 そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。 当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
  論文  参考訳（メタデータ） (2022-11-21T17:42:42Z)
• SIDER: Single-Image Neural Optimization for Facial Geometric Detail Recovery [54.64663713249079]
  SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。 以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
  論文  参考訳（メタデータ） (2021-08-11T22:34:53Z)

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。