論文の概要: A Survey of Non-Rigid 3D Registration
- arxiv url: http://arxiv.org/abs/2203.07858v1
- Date: Fri, 11 Mar 2022 15:54:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-16 15:02:47.682512
- Title: A Survey of Non-Rigid 3D Registration
- Title（参考訳）: 非リジッド3次元レジストレーションに関する調査
- Authors: Bailin Deng and Yuxin Yao and Roberto M. Dyke and Juyong Zhang
- Abstract要約: 非剛性登録は、ソース表面とターゲット表面とのアライメントを非剛性的に計算する。
非剛性登録は変形可能な形状の取得に応用され、幅広い用途がある。
- 参考スコア（独自算出の注目度）: 28.853099966806056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Non-rigid registration computes an alignment between a source surface with a
target surface in a non-rigid manner. In the past decade, with the advances in
3D sensing technologies that can measure time-varying surfaces, non-rigid
registration has been applied for the acquisition of deformable shapes and has
a wide range of applications. This survey presents a comprehensive review of
non-rigid registration methods for 3D shapes, focusing on techniques related to
dynamic shape acquisition and reconstruction. In particular, we review
different approaches for representing the deformation field, and the methods
for computing the desired deformation. Both optimization-based and
learning-based methods are covered. We also review benchmarks and datasets for
evaluating non-rigid registration methods, and discuss potential future
research directions.
- Abstract（参考訳）: 非剛性登録は、ソース表面とターゲット表面とのアライメントを非剛性的に計算する。
過去10年間で、時間変化面を計測できる3Dセンシング技術の進歩により、変形可能な形状の取得に非剛性登録が適用され、幅広い応用がされている。
本研究では,3次元形状の非剛性登録法について,動的形状の獲得と復元に関する技術を中心に概説する。
特に,変形場を表現するための異なる手法と,所望の変形を計算する方法について考察する。
最適化ベースと学習ベースの両方の手法がカバーされている。
また,非厳密な登録方法を評価するためのベンチマークやデータセットについて検討し,今後の研究の方向性について考察する。
関連論文リスト
- 3D Representation Methods: A Survey [0.0]
3D表現は、様々なアプリケーションにおける高忠実度3Dモデルの需要の増加によって、大きな進歩を遂げてきた。
本稿では,3次元表現法の開発と現状を概観し,研究の軌跡,革新,強度,弱さを概観する。
論文 参考訳（メタデータ） (2024-10-09T02:01:05Z) - Mismatched: Evaluating the Limits of Image Matching Approaches and Benchmarks [9.388897214344572]
2次元画像からの3次元3次元再構成はコンピュータビジョンにおける活発な研究分野である。
伝統的にこの作業にはパラメトリック技術が用いられてきた。
近年の進歩は、学習ベースの方法にシフトしている。
論文 参考訳（メタデータ） (2024-08-29T11:16:34Z) - Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review [0.08823202672546056]
本稿では,新鮮で見えない視点の創出を含む3次元再構成技術について概説する。
ガウススティング法における最近の展開の概要として,入力型,モデル構造,出力表現,トレーニング戦略について概説する。
論文 参考訳（メタデータ） (2024-05-06T12:32:38Z) - Spectral Meets Spatial: Harmonising 3D Shape Matching and Interpolation [50.376243444909136]
本稿では,3次元形状の対応と形状の両面を統一的に予測する枠組みを提案する。
我々は、スペクトル領域と空間領域の両方の形状を地図化するために、奥行き関数写像フレームワークと古典的な曲面変形モデルを組み合わせる。
論文 参考訳（メタデータ） (2024-02-29T07:26:23Z) - NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。
提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
論文 参考訳（メタデータ） (2023-12-07T19:30:55Z) - Neural Semantic Surface Maps [52.61017226479506]
本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。
提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
論文 参考訳（メタデータ） (2023-09-09T16:21:56Z) - Uncertainty Guided Policy for Active Robotic 3D Reconstruction using
Neural Radiance Fields [82.21033337949757]
本稿では,物体の暗黙のニューラル表現の各光線に沿ったカラーサンプルの重量分布のエントロピーを計算した線量不確実性推定器を提案する。
提案した推定器を用いた新しい視点から, 基礎となる3次元形状の不確かさを推測することが可能であることを示す。
ニューラルラディアンス場に基づく表現における線量不確実性によって導かれる次ベクター選択ポリシーを提案する。
論文 参考訳（メタデータ） (2022-09-17T21:28:57Z) - Probabilistic Registration for Gaussian Process 3D shape modelling in
the presence of extensive missing data [63.8376359764052]
本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。
様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
論文 参考訳（メタデータ） (2022-03-26T16:48:27Z) - A comprehensive survey on point cloud registration [11.69025325594053]
この調査は、同じソース登録方法とクロスソース登録方法の両方を含む包括的な調査を実施します。
surveyは、クロスソースの課題を解決するための最先端の登録アルゴリズムを評価するための新しいベンチマークを構築している。
論文 参考訳（メタデータ） (2021-03-03T21:17:06Z) - 3D Registration for Self-Occluded Objects in Context [66.41922513553367]
このシナリオを効果的に処理できる最初のディープラーニングフレームワークを紹介します。
提案手法はインスタンスセグメンテーションモジュールとポーズ推定モジュールから構成される。
これにより、高価な反復手順を必要とせず、ワンショットで3D登録を行うことができます。
論文 参考訳（メタデータ） (2020-11-23T08:05:28Z)
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。