論文の概要: Towards Fine-grained 3D Face Dense Registration: An Optimal Dividing and Diffusing Method

• arxiv url: http://arxiv.org/abs/2109.11204v1
• Date: Thu, 23 Sep 2021 08:31:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-24 15:02:05.466191
• Title: Towards Fine-grained 3D Face Dense Registration: An Optimal Dividing and Diffusing Method
• Title（参考訳）: きめ細かい3次元顔料登録に向けて:最適分割法と拡散法
• Authors: Zhenfeng Fan, Silong Peng, Shihong Xia
• Abstract要約: 3D&2D顔解析における3D面間のDense-to-vertex対応は基本的かつ困難な問題である。 本稿では,次元劣化問題,すなわち直線の比例分断による密度登録を再検討する。 我々は最終解に一意に到達するために反復分割拡散法を用いる。
• 参考スコア（独自算出の注目度）: 17.38748022631488
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dense vertex-to-vertex correspondence between 3D faces is a fundamental and challenging issue for 3D&2D face analysis. While the sparse landmarks have anatomically ground-truth correspondence, the dense vertex correspondences on most facial regions are unknown. In this view, the current literatures commonly result in reasonable but diverse solutions, which deviate from the optimum to the 3D face dense registration problem. In this paper, we revisit dense registration by a dimension-degraded problem, i.e. proportional segmentation of a line, and employ an iterative dividing and diffusing method to reach the final solution uniquely. This method is then extended to 3D surface by formulating a local registration problem for dividing and a linear least-square problem for diffusing, with constraints on fixed features. On this basis, we further propose a multi-resolution algorithm to accelerate the computational process. The proposed method is linked to a novel local scaling metric, where we illustrate the physical meaning as smooth rearrangement for local cells of 3D facial shapes. Extensive experiments on public datasets demonstrate the effectiveness of the proposed method in various aspects. Generally, the proposed method leads to coherent local registrations and elegant mesh grid routines for fine-grained 3D face dense registrations, which benefits many downstream applications significantly. It can also be applied to dense correspondence for other format of data which are not limited to face. The core code will be publicly available at https://github.com/NaughtyZZ/3D_face_dense_registration.
• Abstract（参考訳）: 3D&2D顔解析における3D面間の高密度頂点対頂点対応は基本的な課題である。 スパースランドマークは解剖学的に接地真実対応を持つが、ほとんどの顔領域における高密度頂点対応は未知である。 この観点では、現在の文献は一般的に妥当だが多様であり、最適値から3次元の密度登録問題へと逸脱する。 本稿では,次元分解問題,すなわち直線の比例分節化による密分布を再検討し,最終解に一意に到達するために反復分割拡散法を用いる。 この方法は、分割する局所的な登録問題と拡散する線形最小二乗問題とを固定した特徴に制約を加えて、3次元に拡張する。 そこで本研究では,計算処理を高速化するマルチレゾリューションアルゴリズムを提案する。 提案手法は,3次元顔形状の局所細胞のスムーズな再配置として物理的意味を記述した,新しい局所スケーリング指標とリンクする。 公開データセットに対する大規模な実験は,提案手法の有効性を様々な面で示している。 一般に,提案手法は,粒度の細かい3d顔濃密な登録を行うためのコヒーレントな局所登録とエレガントなメッシュグリッドルーチンに繋がる。 また、顔に限定されない他の形式のデータに対する密接な対応にも適用できる。 コアコードはhttps://github.com/NaughtyZZ/3D_face_dense_registrationで公開される。

関連論文リスト

• Oriented-grid Encoder for 3D Implicit Representations [10.02138130221506]
  本論文は,3次元幾何エンコーダの3次元特性を明示的に利用した最初のものである。 提案手法は,従来の手法と比較して最先端の結果が得られる。
  論文  参考訳（メタデータ） (2024-02-09T19:28:13Z)
• Unpaired Multi-domain Attribute Translation of 3D Facial Shapes with a Square and Symmetric Geometric Map [23.461476902880584]
  本稿では3次元顔属性変換のための学習フレームワークを提案する。 我々は3次元形状表現に新しい幾何学的マップを使用し、それをエンド・ツー・エンドな生成対角ネットワークに埋め込む。 マルチドメイン属性変換には,統一的かつ不公平な学習フレームワークを採用している。
  論文  参考訳（メタデータ） (2023-08-25T08:37:55Z)
• Quadric Representations for LiDAR Odometry, Mapping and Localization [93.24140840537912]
  現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。 3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。 提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
  論文  参考訳（メタデータ） (2023-04-27T13:52:01Z)
• Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
  本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。 平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。 提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)
• Topologically Consistent Multi-View Face Inference Using Volumetric Sampling [25.001398662643986]
  ToFuは、幾何推論フレームワークで、アイデンティティと式をまたいだトポロジ的に一貫したメッシュを生成することができる。 新たなプログレッシブメッシュ生成ネットワークは、顔のトポロジ的構造を特徴量に埋め込む。 これらの高品質な資産は、アバターの作成、アニメーション、物理的にベースとしたスキンレンダリングのためのプロダクションスタジオで容易に利用することができる。
  論文  参考訳（メタデータ） (2021-10-06T17:55:08Z)
• Smooth Mesh Estimation from Depth Data using Non-Smooth Convex Optimization [28.786685021545622]
  深度マップから直接3Dメッシュを構築し,立体視で三角測量したスパースランドマークを構築した。 当社のアプローチでは,リアルタイムに動作しながら,直接メッシュ再構築の最先端性を大幅に向上するスムーズで正確な3Dメッシュを生成する。
  論文  参考訳（メタデータ） (2021-08-06T06:29:34Z)
• DeepMesh: Differentiable Iso-Surface Extraction [53.77622255726208]
  本稿では,Deep Implicit Fieldsから表面メッシュを明示的に表現する方法を提案する。 我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。 私たちはこれを利用して、そのトポロジを変えることができるDeepMesh – エンドツーエンドの差別化可能なメッシュ表現を定義する。
  論文  参考訳（メタデータ） (2021-06-20T20:12:41Z)
• 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)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Mapping of Sparse 3D Data using Alternating Projection [35.735398244213584]
  テクスチャがない場合にスパース3Dスキャンを登録する新しい手法を提案する。 KinectFusionのような既存の方法は、高密度の点雲に大きく依存している。 本稿では,交差制約と剛性制約の同時満足度として登録を定式化した2段階交互投影アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-04T17:40:30Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)

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。