論文の概要: Direct simple computation of middle surface between 3D point clouds
and/or discrete surfaces by tracking sources in distance function calculation
algorithms
- arxiv url: http://arxiv.org/abs/2112.09808v1
- Date: Fri, 17 Dec 2021 23:49:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-23 04:54:52.111324
- Title: Direct simple computation of middle surface between 3D point clouds
and/or discrete surfaces by tracking sources in distance function calculation
algorithms
- Title(参考訳): 距離関数計算アルゴリズムにおける追跡音源による3次元点雲と離散面との間の中面の直接簡易計算
- Authors: Balazs Kosa and Karol Mikula
- Abstract要約: 本稿では,様々な3次元データセット間の中間面の計算方法を紹介する。
高速スイーピング法,ベクトル距離変換法,高速マーチング法,Dijkstra-Pythagoras法の結果を比較して,3次元データセットの中間面を求める。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we introduce novel methods for computing middle surfaces
between various 3D data sets such as point clouds and/or discrete surfaces.
Traditionally the middle surface is obtained by detecting singularities in
computed distance function such as ridges, triple junctions, etc. It requires
to compute second order differential characteristics and also some kinds of
heuristics must be applied. Opposite to that, we determine the middle surface
just from computing the distance function itself which is a fast and simple
approach. We present and compare the results of the fast sweeping method, the
vector distance transform algorithm, the fast marching method, and the
Dijkstra-Pythagoras method in finding the middle surface between 3D data sets.
- Abstract(参考訳): 本稿では,点群や離散面といった様々な3次元データセット間の中間面を計算する新しい手法を提案する。
伝統的に、中間面は、尾根、三重接合などの計算距離関数の特異点を検出することによって得られる。
二次微分特性を計算する必要があり、ある種のヒューリスティックも適用する必要がある。
それとは対照的に、高速で単純なアプローチである距離関数自体を計算するだけで、中間面を決定する。
本研究では,3次元データセット間の中間面探索において,高速スイーピング法,ベクトル距離変換法,高速マーチング法,およびダイクストラ・ピタゴラス法の結果を比較した。
関連論文リスト
- Learning the Geodesic Embedding with Graph Neural Networks [22.49236293942187]
離散多面体表面上の2つの任意の点間の近似測地距離を計算するための学習ベース手法であるGeGnnを提案する。
私たちのキーとなるアイデアは、グラフニューラルネットワークをトレーニングして、入力メッシュを高次元の埋め込み空間に埋め込むことです。
本研究では,ShapeNetにおける提案手法の有効性と有効性を検証するとともに,既存の手法よりも桁違いに高速であることを示す。
論文 参考訳(メタデータ) (2023-09-11T16:54:34Z) - Diffeomorphic Deformation via Sliced Wasserstein Distance Optimization
for Cortical Surface Reconstruction [43.160141829169]
この計量は、セットベースのアプローチを一般化する確率測度として表されるメッシュ上のワッサーシュタイン距離をスライスして定義される。
我々は、入力表面をターゲット形状に変形させるために、ニューラルネットワークの常微分方程式(ODE)を用いて、表面上の点の軌跡をモデル化する。
大脳皮質表面の再構成実験は、複数のデータセットやメトリクスにおいて、我々のアプローチが他の競合する手法を上回ることを示した。
論文 参考訳(メタデータ) (2023-05-27T19:10:19Z) - Linearized Wasserstein dimensionality reduction with approximation
guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。
我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。
また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文 参考訳(メタデータ) (2023-02-14T22:12:16Z) - Learning Consistency-Aware Unsigned Distance Functions Progressively
from Raw Point Clouds [52.28066811858009]
点雲の表面再構成は3次元コンピュータビジョンにおいて重要な課題である。
最新の手法のほとんどは、点雲から符号付き距離関数を学習することでこの問題を解決する。
そこで本研究では, 原点雲から直接, 整合性を考慮した符号付き距離関数を学習する手法を提案する。
論文 参考訳(メタデータ) (2022-10-06T08:51:08Z) - GraphWalks: Efficient Shape Agnostic Geodesic Shortest Path Estimation [93.60478281489243]
3次元曲面上の測地線経路を近似する学習可能なネットワークを提案する。
提案手法は,最短経路の効率的な近似と測地距離推定を提供する。
論文 参考訳(メタデータ) (2022-05-30T16:22:53Z) - Displacement-Invariant Cost Computation for Efficient Stereo Matching [122.94051630000934]
ディープラーニング手法は、前例のない不一致の精度を得ることによって、ステレオマッチングのリーダーボードを支配してきた。
しかし、その推測時間は一般的に540p画像の秒数で遅い。
本研究では,4次元特徴量を必要としないEmphdisplacement-invariant cost moduleを提案する。
論文 参考訳(メタデータ) (2020-12-01T23:58:16Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2020-02-29T06:24:55Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳(メタデータ) (2020-02-24T14:13:29Z)
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。