論文の概要: Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases

• arxiv url: http://arxiv.org/abs/2111.06838v1
• Date: Fri, 12 Nov 2021 17:48:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-15 14:21:51.250182
• Title: Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases
• Title（参考訳）: Metrical-Consistent Atlas を用いた一時持続表面再構成
• Authors: Jan Bednarik, Noam Aigerman, Vladimir G. Kim, Siddhartha Chaudhuri, Shaifali Parashar, Mathieu Salzmann, Pascal Fua
• Abstract要約: そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
• 参考スコア（独自算出の注目度）: 131.50372468579067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a method for unsupervised reconstruction of a temporally-consistent sequence of surfaces from a sequence of time-evolving point clouds. It yields dense and semantically meaningful correspondences between frames. We represent the reconstructed surfaces as atlases computed by a neural network, which enables us to establish correspondences between frames. The key to making these correspondences semantically meaningful is to guarantee that the metric tensors computed at corresponding points are as similar as possible. We have devised an optimization strategy that makes our method robust to noise and global motions, without a priori correspondences or pre-alignment steps. As a result, our approach outperforms state-of-the-art ones on several challenging datasets. The code is available at https://github.com/bednarikjan/temporally_coherent_surface_reconstruction.
• Abstract（参考訳）: そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 フレーム間の密で意味のある対応をもたらす。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応を確立する。 これらの対応を意味的に意味づける鍵は、対応する点で計算された計量テンソルが可能な限り類似していることを保証することである。 提案手法は,事前対応や事前調整のステップを必要とせず,雑音や大域的な動きに頑健な最適化戦略を考案した。 その結果,本手法は,いくつかの課題のあるデータセットにおいて最先端の手法よりも優れている。 コードはhttps://github.com/bednarikjan/temporally_coherent_surface_reconstructionで入手できる。

関連論文リスト

• Learning Sequence Descriptor based on Spatio-Temporal Attention for Visual Place Recognition [16.380948630155476]
  ビジュアルプレース認識(VPR)は、クエリフレームと同じ場所に位置するタグ付きデータベースからフレームを取得することを目的としている。 ジオリーエイリアスシナリオにおけるVPRのロバスト性を改善するために,シーケンスベースのVPR手法を提案する。 我々はスライディングウィンドウを用いて時間的注意範囲を制御し、相対的な位置エンコーディングを用いて異なる特徴間の逐次的関係を構築する。
  論文  参考訳（メタデータ） (2023-05-19T06:39:10Z)
• Data-driven abstractions via adaptive refinements and a Kantorovich metric [extended version] [56.94699829208978]
  本稿では,動的システムのスマートでスケーラブルな抽象化のための適応的洗練手順を提案する。 最適構造を学ぶために、マルコフ連鎖の間のカントロビッチに着想を得た計量を定義する。 本稿では,従来の線形プログラミング手法よりも計算量が多くなることを示す。
  論文  参考訳（メタデータ） (2023-03-30T11:26:40Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• Learning Canonical Embedding for Non-rigid Shape Matching [36.85782408336389]
  本稿では,非剛体形状マッチングのための標準埋め込みを学習する新しいフレームワークを提供する。 我々のフレームワークはエンドツーエンドで訓練されており、一般的に使用されているLaplace-Beltramiベースに関連する不安定性と制約を回避する。
  論文  参考訳（メタデータ） (2021-10-06T18:09:13Z)
• Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
  再建された表面をニューラルネットワークを用いてアトラスとして表現する。 本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
  論文  参考訳（メタデータ） (2021-04-14T16:21:22Z)
• Space-Time Correspondence as a Contrastive Random Walk [47.40711876423659]
  我々は,ビデオから構築した時空間グラフにおけるリンクの予測として対応をキャストした。 ペアの類似性がランダムウォークの遷移確率を定義する表現を学習する。 我々は、エッジドロップアウトと呼ばれる手法と、テスト時の自己教師付き適応が、オブジェクト中心の対応の転送をさらに改善することを示した。
  論文  参考訳（メタデータ） (2020-06-25T17:56:05Z)
• FKAConv: Feature-Kernel Alignment for Point Cloud Convolution [75.85619090748939]
  多数の点畳み込み法を関連づけ解析するための定式化を提供する。 また、幾何学のないカーネル重み付けの推定を分離する独自の畳み込み変種も提案する。 分類とセマンティックセグメンテーションのベンチマークで競合する結果を示す。
  論文  参考訳（メタデータ） (2020-04-09T10:12:45Z)
• Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
  セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。 グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。 計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-03-23T12:28:07Z)
• Deep Graph Matching Consensus [19.94426142777885]
  この研究は、グラフ間の構造的対応を学習し、精製するための2段階のニューラルアーキテクチャを示す。 まず、グラフニューラルネットワークによって計算された局所化ノード埋め込みを用いて、ノード間のソフト対応の最初のランキングを得る。 第2に、同期メッセージパッシングネットワークを用いて、ソフト対応を反復的に再ランクし、グラフ間の局所的な近傍で一致したコンセンサスに到達する。
  論文  参考訳（メタデータ） (2020-01-27T08:05:57Z)

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。