論文の概要: Robust reconstructions by multi-scale/irregular tangential covering
- arxiv url: http://arxiv.org/abs/2111.05688v1
- Date: Wed, 10 Nov 2021 14:02:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-11 16:56:32.259809
- Title: Robust reconstructions by multi-scale/irregular tangential covering
- Title(参考訳): マルチスケール/不規則接線被覆によるロバスト復元
- Authors: Antoine Vacavant and Bertrand Kerautret and Fabien Feschet
- Abstract要約: 我々は,雑音の多いディジタル輪郭を幾何的に再構成するために,具体的な被覆アルゴリズム,minDSSを用いる。
輪郭の多スケールおよび不規則な等義表現を計算することにより、1-D間隔を得た。
入力ノイズオブジェクトを最小限のプリミティブ数で行または弧からなる巡回輪郭に再構築することができる。
- 参考スコア(独自算出の注目度): 38.469070341871365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose an original manner to employ a tangential cover
algorithm - minDSS - in order to geometrically reconstruct noisy digital
contours. To do so, we exploit the representation of graphical objects by
maximal primitives we have introduced in previous works. By calculating
multi-scale and irregular isothetic representations of the contour, we obtained
1-D (one-dimensional) intervals, and achieved afterwards a decomposition into
maximal line segments or circular arcs. By adapting minDSS to this sparse and
irregular data of 1-D intervals supporting the maximal primitives, we are now
able to reconstruct the input noisy objects into cyclic contours made of lines
or arcs with a minimal number of primitives. In this work, we explain our novel
complete pipeline, and present its experimental evaluation by considering both
synthetic and real image data. We also show that this is a robust approach,
with respect to selected references from state-of-the-art, and by considering a
multi-scale noise evaluation process.
- Abstract(参考訳): 本稿では,雑音の多いディジタル輪郭を幾何的に再構成するために,有形被覆アルゴリズム(minDSS)を用いる方法を提案する。
そのために、これまでの作品で紹介した最大のプリミティブによって、グラフィカルオブジェクトの表現を利用する。
輪郭の多元的および不規則な等化表現を計算することにより、1次元(一次元)間隔を求め、その後極大線分や円弧に分解した。
minDSSを最大プリミティブをサポートする1-D間隔のスパースで不規則なデータに適用することにより、入力ノイズオブジェクトを最小数のプリミティブを持つ直線または弧からなる巡回輪郭に再構成することができる。
本稿では,新しい完全パイプラインを説明し,合成データと実画像データの両方を考慮して実験評価を行う。
また,本手法は,最先端から選択した参照と,マルチスケール雑音評価プロセスを考慮したロバストな手法であることを示す。
関連論文リスト
- LinPrim: Linear Primitives for Differentiable Volumetric Rendering [53.780682194322225]
線形プリミティブ-オクタヘドラとテトラヘドラ-ボスに基づく2つの新しいシーン表現を導入する。
この定式化は、ダウンストリームアプリケーションのオーバーヘッドを最小限にする、標準メッシュベースのツールと自然に一致します。
再現精度を向上するためにプリミティブを減らしながら,最先端のボリューム手法に匹敵する性能を示す。
論文 参考訳(メタデータ) (2025-01-27T18:49:38Z) - Curvy: A Parametric Cross-section based Surface Reconstruction [2.1165011830664677]
本稿では, 平面スパース断面を用いた新しい形状点雲の再構成手法を提案する。
我々は、適応分割を用いたコンパクトなパラメトリックポリライン表現を用いて断面を表現し、グラフニューラルネットワークを用いて学習を行い、基礎となる形状を再構築する。
論文 参考訳(メタデータ) (2024-09-01T20:15:08Z) - P2PFormer: A Primitive-to-polygon Method for Regular Building Contour Extraction from Remote Sensing Images [5.589842901102337]
既存の方法は不規則な輪郭、丸い角、冗長点に悩まされている。
本稿では,ポストプロセッシングを使わずに通常の建物輪郭を生成する,新しい合理化パイプラインを提案する。
P2PFormerは、WHU、CrowdAI、WHU-Mixデータセット上で、最先端のパフォーマンスを新たに実現している。
論文 参考訳(メタデータ) (2024-06-05T04:38:45Z) - Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction [60.95625458395291]
計算トモグラフィー(CT)では、フォワードモデルは線形変換と、ベル=ランベルト法則に従って光の減衰に基づく指数非線形性によって構成される。
金属クラウンを用いた人間の頭蓋骨の商業的再構築と比較すると,このアプローチは金属人工物を減らすことが示されている。
論文 参考訳(メタデータ) (2023-10-06T00:47:57Z) - Learning end-to-end inversion of circular Radon transforms in the
partial radial setup [0.0]
光音響トモグラフィーで発生する部分放射能セットアップにおける円形ラドン変換の逆変換のための深層学習アルゴリズムを提案する。
まず、この問題を解決するのに唯一の伝統的なアルゴリズムである、切り詰められた特異値分解に基づく手法が、再構成されたフィールドを使用不能とみなす深刻なアーティファクトを生み出すことを実証した。
この計算ボトルネックを克服する目的で、ResBlockベースのU-Netをトレーニングし、測定データ上で直接動作する推論されたフィールドを復元する。
論文 参考訳(メタデータ) (2023-08-27T15:57:08Z) - PolyDiffuse: Polygonal Shape Reconstruction via Guided Set Diffusion
Models [26.819929072916363]
PolyDiffuseは、視覚センサデータを拡散モデル(DM)で多角形に変換する新しい構造化再構成アルゴリズムである。
DMは、生成AIが爆発する中、新興機械であり、センサデータに条件付けされた生成プロセスとして再構築を定式化している。
我々は,多角形の集合としてのフロアプランと,一組のポリラインとしての自律走行車用HDマップという,2種類の多角形形状を再構築するためのアプローチを評価した。
論文 参考訳(メタデータ) (2023-06-02T11:38:04Z) - Neural Kernel Surface Reconstruction [80.51581494300423]
本稿では,大規模でスパースでノイズの多い点雲から3次元暗示面を再構成する新しい手法を提案する。
我々のアプローチは、最近導入されたNeural Kernel Fields表現に基づいている。
論文 参考訳(メタデータ) (2023-05-31T06:25:18Z) - Fitting and recognition of geometric primitives in segmented 3D point
clouds using a localized voting procedure [1.8352113484137629]
投票手順によって各タイプの原始パラメータを初期推定できる点雲処理手法を提案する。
これらの推定値を用いることで、最適解の探索を次元的に還元された空間に局所化し、HT を文献で一般的に見られるものよりもより原始的に拡張することが効率的となる。
論文 参考訳(メタデータ) (2022-05-30T20:47:43Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2020-10-28T22:24:07Z) - Learning multiview 3D point cloud registration [74.39499501822682]
本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。
このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
論文 参考訳(メタデータ) (2020-01-15T03:42:14Z)
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。