Fugu-MT 論文翻訳(概要): Virtual Elastic Objects

論文の概要: Virtual Elastic Objects

arxiv url: http://arxiv.org/abs/2201.04623v1
Date: Wed, 12 Jan 2022 18:59:03 GMT
ステータス: 処理完了
システム内更新日: 2022-01-13 15:21:02.729798
Title: Virtual Elastic Objects
Title（参考訳）: 仮想弾性オブジェクト
Authors: Hsiao-yu Chen and Edgar Tretschk and Tuur Stuyck and Petr Kadlecek and Ladislav Kavan and Etienne Vouga and Christoph Lassner
Abstract要約: 現実のオブジェクトのように振る舞う仮想オブジェクトを構築します。我々は、微分可能な粒子ベースシミュレータを用いて、変形場を用いて代表材料パラメータを探索する。各種力場下で12個のオブジェクトのデータセットを用いて実験を行い,コミュニティと共有する。
参考スコア（独自算出の注目度）: 18.228492027143307
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present Virtual Elastic Objects (VEOs): virtual objects that not only look like their real-world counterparts but also behave like them, even when subject to novel interactions. Achieving this presents multiple challenges: not only do objects have to be captured including the physical forces acting on them, then faithfully reconstructed and rendered, but also plausible material parameters found and simulated. To create VEOs, we built a multi-view capture system that captures objects under the influence of a compressed air stream. Building on recent advances in model-free, dynamic Neural Radiance Fields, we reconstruct the objects and corresponding deformation fields. We propose to use a differentiable, particle-based simulator to use these deformation fields to find representative material parameters, which enable us to run new simulations. To render simulated objects, we devise a method for integrating the simulation results with Neural Radiance Fields. The resulting method is applicable to a wide range of scenarios: it can handle objects composed of inhomogeneous material, with very different shapes, and it can simulate interactions with other virtual objects. We present our results using a newly collected dataset of 12 objects under a variety of force fields, which will be shared with the community.
Abstract（参考訳）: 仮想弾性オブジェクト(VEOs: Virtual Elastic Objects): 仮想オブジェクトは、現実世界のオブジェクトのように見えるだけでなく、斬新なインタラクションであっても、そのように振る舞う。オブジェクトに作用する物理的な力を含め、オブジェクトをキャプチャし、忠実に再構築し、レンダリングするだけでなく、発見し、シミュレートすることのできる材料パラメータも必要となる。 VEOを作成するために,圧縮空気流の影響下で物体を捕捉するマルチビューキャプチャシステムを構築した。モデルフリーでダイナミックなニューラルラジアンスフィールドの最近の進歩に基づいて、物体とそれに対応する変形場を再構成する。そこで本研究では,これらの変形場を用いて代表材料パラメータを探索し,新しいシミュレーションを行えるようにするために,微分可能な粒子ベースシミュレータを提案する。シミュレーション対象を描画するために,シミュレーション結果をニューラルネットワーク場と統合する手法を提案する。この手法は様々なシナリオに適用可能であり、不均質な物質からなる物体を全く異なる形状で扱うことができ、他の仮想物体との相互作用をシミュレートすることができる。我々は,新たに収集した12個のオブジェクトのデータセットを,様々な力場下で利用し,コミュニティと共有する。

関連論文リスト

Automated 3D Physical Simulation of Open-world Scene with Gaussian Splatting [22.40115216094332]
Sim Anythingは、静的な3Dオブジェクトにインタラクティブなダイナミクスを与える物理ベースのアプローチである。人間の視覚的推論に触発されて,MLLMに基づく物理特性知覚を提案する。また、物理幾何学的適応サンプリングを用いて粒子をサンプリングして、オープンワールドシーンでオブジェクトをシミュレートする。
論文参考訳（メタデータ） (2024-11-19T12:52:21Z)
PhysDreamer: Physics-Based Interaction with 3D Objects via Video Generation [62.53760963292465]
PhysDreamerは物理に基づくアプローチで、静的な3Dオブジェクトにインタラクティブなダイナミクスを与える。本稿では, 弾性物体の多様な例について考察し, ユーザスタディを通じて合成された相互作用の現実性を評価する。
論文参考訳（メタデータ） (2024-04-19T17:41:05Z)
Reconstructing Objects in-the-wild for Realistic Sensor Simulation [41.55571880832957]
我々は,スパース・イン・ザ・ワイルドデータから正確な幾何学的および現実的な外観を推定する新しい手法であるNeuSimを提案する。物体の外観を物理にインスパイアされた頑健な反射率表現でモデル化し,実測データに有効である。実験の結果,NeuSimはスパース・トレーニング・ビューを持つ難解なシナリオに対して,強力なビュー合成性能を有することがわかった。
論文参考訳（メタデータ） (2023-11-09T18:58:22Z)
Physics-Based Rigid Body Object Tracking and Friction Filtering From RGB-D Videos [8.012771454339353]
本稿では,RGB-D画像から剛体物体を3次元追跡し,物体の物理的特性を推定する手法を提案する。実世界のデータセット上で、我々のアプローチを実証し、評価する。
論文参考訳（メタデータ） (2023-09-27T14:46:01Z)
Differentiable Physics Simulation of Dynamics-Augmented Neural Objects [40.587385809005355]
深層ネットワークとしてパラメータ化された連続密度場としてそれらの幾何学を表現する物体の運動をシミュレートするための微分可能なパイプラインを提案する。我々は、物体の運動特性、質量、質量の中心、慣性行列を推定する。これによりロボットは、動いている物体の静止画像やビデオから視覚的かつ動的に正確な物体モデルを自律的に構築することができる。
論文参考訳（メタデータ） (2022-10-17T20:37:46Z)
Finding Fallen Objects Via Asynchronous Audio-Visual Integration [89.75296559813437]
本稿では,3次元仮想環境におけるマルチモーダルオブジェクトのローカライゼーションについて検討する。カメラとマイクを装備したロボットエージェントは、音声と視覚信号を基礎となる物理学の知識と組み合わせることで、どの物体が落下したか(そしてどこにあるか)を判断しなければならない。このデータセットは、物理ベースの衝撃音と、フォトリアリスティックな設定でオブジェクト間の複雑な物理的相互作用をシミュレートする3DWorldプラットフォームを使用している。
論文参考訳（メタデータ） (2022-07-07T17:59:59Z)
DiffCloud: Real-to-Sim from Point Clouds with Differentiable Simulation and Rendering of Deformable Objects [18.266002992029716]
変形可能な物体の操作に関する研究は、典型的には限られたシナリオで行われている。様々な種類の変形と相互作用をサポートする現実的なシミュレータは、実験をスピードアップする可能性がある。高度に変形可能なオブジェクトに対しては、シミュレータの出力と実際のオブジェクトの振る舞いを一致させることが困難である。
論文参考訳（メタデータ） (2022-04-07T00:45:26Z)
Discovering Objects that Can Move [55.743225595012966]
手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
論文参考訳（メタデータ） (2022-03-18T21:13:56Z)
GeoSim: Photorealistic Image Simulation with Geometry-Aware Composition [81.24107630746508]
GeoSimは、新しい都市の運転シーンを合成するジオメトリ認識の画像合成プロセスです。まず、センサーデータからリアルな形状と外観の両方を備えた多様な3Dオブジェクトのバンクを構築します。得られた合成画像は、フォトリアリズム、トラフィック認識、幾何学的一貫性があり、画像シミュレーションが複雑なユースケースにスケールできる。
論文参考訳（メタデータ） (2021-01-16T23:00:33Z)
RELATE: Physically Plausible Multi-Object Scene Synthesis Using Structured Latent Spaces [77.07767833443256]
RELATEは、複数の対話オブジェクトの物理的に可視なシーンとビデオを生成することを学習するモデルである。オブジェクト中心生成モデリングにおける最先端の手法とは対照的に、RELATEは自然に動的なシーンに拡張し、高い視覚的忠実度のビデオを生成する。
論文参考訳（メタデータ） (2020-07-02T17:27:27Z)
Occlusion resistant learning of intuitive physics from videos [52.25308231683798]
人工システムの鍵となる能力は、オブジェクト間の物理的相互作用を理解し、状況の将来的な結果を予測することである。この能力は直感的な物理学と呼ばれ、近年注目されており、ビデオシーケンスからこれらの物理規則を学ぶためのいくつかの方法が提案されている。
論文参考訳（メタデータ） (2020-04-30T19:35:54Z)

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。