Fugu-MT 論文翻訳(概要): Evolving Evocative 2D Views of Generated 3D Objects

論文の概要: Evolving Evocative 2D Views of Generated 3D Objects

arxiv url: http://arxiv.org/abs/2111.04839v1
Date: Mon, 8 Nov 2021 21:23:37 GMT
ステータス: 処理完了
システム内更新日: 2021-11-11 00:20:09.216864
Title: Evolving Evocative 2D Views of Generated 3D Objects
Title（参考訳）: 生成する3dオブジェクトの挑発的2次元ビューの進化
Authors: Eric Chu
Abstract要約: 本研究では,物体の3次元モデルと2次元レンダリングを異なる角度で共同生成する手法を提案する。以上の結果から, ターゲットキャプションを誘発し, 視覚的にアピールするようなレンダリングにより, アナモルフィックなオブジェクトを生成できることが示唆された。
参考スコア（独自算出の注目度）: 3.3504365823045044
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a method for jointly generating 3D models of objects and 2D renders at different viewing angles, with the process guided by ImageNet and CLIP -based models. Our results indicate that it can generate anamorphic objects, with renders that both evoke the target caption and look visually appealing.
Abstract（参考訳）: 本稿では,画像ネットとクリップベースモデルを用いて,異なる視野角で3次元モデルと2次元レンダリングを共同で生成する手法を提案する。以上の結果から, ターゲットキャプションを誘発し, 視覚的にアピールするようなレンダリングにより, アナモルフィックオブジェクトを生成できることが示唆された。

関連論文リスト

Generating Images with 3D Annotations Using Diffusion Models [32.77912877963642]
拡散モデルに3次元幾何制御を組み込んだ3次元拡散スタイル転送(3D-DST)を提案する。提案手法は,テキストプロンプトに加えて視覚的プロンプトを用いて拡散モデルを拡張する制御ネットを利用する。明示的な3次元幾何制御により、生成画像中のオブジェクトの3次元構造を容易に変更し、グラウンドトルース3Dを自動的に得ることができる。
論文参考訳（メタデータ） (2023-06-13T19:48:56Z)
Likelihood-Based Generative Radiance Field with Latent Space Energy-Based Model for 3D-Aware Disentangled Image Representation [43.41596483002523]
本稿では,Neural Radiance Fields (NeRF) による3次元表現と,可変ボリュームレンダリングによる2次元画像処理を併用した3次元画像生成モデルを提案する。いくつかのベンチマークデータセットの実験では、NeRF-LEBMは2D画像から3Dオブジェクト構造を推測し、新しいビューとオブジェクトで2D画像を生成し、不完全な2D画像から学び、未知のカメラポーズで2D画像から学ぶことができる。
論文参考訳（メタデータ） (2023-04-16T23:44:41Z)
3D-TOGO: Towards Text-Guided Cross-Category 3D Object Generation [107.46972849241168]
3D-TOGOモデルは、良好なテクスチャを持つニューラルレージアンスフィールドの形で3Dオブジェクトを生成する。最大3Dオブジェクトデータセット(ABO)の実験を行い、3D-TOGOが高品質な3Dオブジェクトをより良く生成できることを検証する。
論文参考訳（メタデータ） (2022-12-02T11:31:49Z)
ONeRF: Unsupervised 3D Object Segmentation from Multiple Views [59.445957699136564]
OneRFは、追加のマニュアルアノテーションなしで、マルチビューのRGBイメージから3Dのオブジェクトインスタンスを自動的に分割し、再構成する手法である。セグメント化された3Dオブジェクトは、様々な3Dシーンの編集と新しいビューレンダリングを可能にする別個のNeRF(Neural Radiance Fields)を使用して表現される。
論文参考訳（メタデータ） (2022-11-22T06:19:37Z)
3D object reconstruction and 6D-pose estimation from 2D shape for robotic grasping of objects [2.330913682033217]
本研究では,2次元画像からの3次元オブジェクト再構成と6次元位置推定手法を提案する。 2次元画像から直接変換パラメータを計算することにより、登録プロセスに必要な自由パラメータの数を削減できる。ロボット実験では、オブジェクトの把握が成功し、実際の環境でのユーザビリティが実証される。
論文参考訳（メタデータ） (2022-03-02T11:58:35Z)
Learning Canonical 3D Object Representation for Fine-Grained Recognition [77.33501114409036]
本研究では,1枚の画像から3次元空間における物体の変動を再現する微粒な物体認識のための新しいフレームワークを提案する。我々は,物体を3次元形状とその外観の合成として表現し,カメラ視点の影響を排除した。深部表現に3次元形状と外観を併用することにより,物体の識別表現を学習する。
論文参考訳（メタデータ） (2021-08-10T12:19:34Z)
Object Wake-up: 3-D Object Reconstruction, Animation, and in-situ Rendering from a Single Image [58.69732754597448]
椅子の写真があれば、椅子の3次元形状を抽出し、その可愛らしい調音や動きをアニメーション化し、元の画像空間でその場でレンダリングできるだろうか? 単一画像中の調音対象を抽出・操作するための自動アプローチを考案する。
論文参考訳（メタデータ） (2021-08-05T16:20:12Z)
Fully Understanding Generic Objects: Modeling, Segmentation, and Reconstruction [33.95791350070165]
2D画像からジェネリックオブジェクトの3D構造を推定することは、コンピュータビジョンの長年の目標です。半教師付き学習による代替アプローチを取る。つまり、ジェネリックオブジェクトの2Dイメージでは、カテゴリ、形状、およびアルベドの潜在的な表現に分解します。完全な形状とアルベドモデリングにより、モデリングとモデルフィッティングの両方で実際の2Dイメージを活用できることを示しています。
論文参考訳（メタデータ） (2021-04-02T02:39:29Z)
Improved Modeling of 3D Shapes with Multi-view Depth Maps [48.8309897766904]
CNNを用いて3次元形状をモデル化するための汎用フレームワークを提案する。オブジェクトの1つの深度画像だけで、3Dオブジェクトの高密度な多視点深度マップ表現を出力できる。
論文参考訳（メタデータ） (2020-09-07T17:58:27Z)
Mask2CAD: 3D Shape Prediction by Learning to Segment and Retrieve [54.054575408582565]
本稿では,既存の3次元モデルの大規模データセットを活用し,画像中の物体の3次元構造を理解することを提案する。本稿では,実世界の画像と検出対象を共同で検出するMask2CADについて,最も類似したCADモデルとそのポーズを最適化する。これにより、画像内のオブジェクトのクリーンで軽量な表現が生成される。
論文参考訳（メタデータ） (2020-07-26T00:08:37Z)
Towards Realistic 3D Embedding via View Alignment [53.89445873577063]
本稿では,3次元モデルを2次元背景画像に現実的に,かつ自動的に埋め込み,新たな画像を構成する,革新的なビューアライメントGAN(VA-GAN)を提案する。 VA-GANはテクスチャジェネレータとディファレンシャルディスクリミネーターで構成され、相互接続され、エンドツーエンドのトレーニングが可能である。
論文参考訳（メタデータ） (2020-07-14T14:45:00Z)

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。