論文の概要: iSDF: Real-Time Neural Signed Distance Fields for Robot Perception

• arxiv url: http://arxiv.org/abs/2204.02296v1
• Date: Tue, 5 Apr 2022 15:48:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-06 14:36:22.068779
• Title: iSDF: Real-Time Neural Signed Distance Fields for Robot Perception
• Title（参考訳）: iSDF:ロボット知覚のためのリアルタイムニューラルネットワーク距離場
• Authors: Joseph Ortiz, Alexander Clegg, Jing Dong, Edgar Sucar, David Novotny, Michael Zollhoefer, Mustafa Mukadam
• Abstract要約: iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
• 参考スコア（独自算出の注目度）: 64.80458128766254
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: We present iSDF, a continual learning system for real-time signed distance field (SDF) reconstruction. Given a stream of posed depth images from a moving camera, it trains a randomly initialised neural network to map input 3D coordinate to approximate signed distance. The model is self-supervised by minimising a loss that bounds the predicted signed distance using the distance to the closest sampled point in a batch of query points that are actively sampled. In contrast to prior work based on voxel grids, our neural method is able to provide adaptive levels of detail with plausible filling in of partially observed regions and denoising of observations, all while having a more compact representation. In evaluations against alternative methods on real and synthetic datasets of indoor environments, we find that iSDF produces more accurate reconstructions, and better approximations of collision costs and gradients useful for downstream planners in domains from navigation to manipulation. Code and video results can be found at our project page: https://joeaortiz.github.io/iSDF/ .
• Abstract（参考訳）: 実時間符号距離場(SDF)再構成のための連続学習システムiSDFを提案する。 移動カメラからのポーズされた深度画像のストリームが与えられると、ランダムに初期化されたニューラルネットワークをトレーニングし、入力3D座標を符号付き距離に近似する。 モデルは、積極的にサンプリングされるクエリポイントのバッチにおいて、最も近いサンプリングポイントまでの距離を用いて、予測された署名された距離を束縛する損失を最小化する。 ボクセル格子に基づく先行研究とは対照的に,本手法は,よりコンパクトな表現を持ちながら,部分的観測領域の充満と観測の分別を可能とした適応的詳細レベルを提供することができる。 屋内環境の現実的, 合成的データセットに対する代替手法の評価において, iSDFはより正確な再構成を行い, ナビゲーションから操作まで, ドメインの下流プランナーに有用な衝突コストと勾配の近似精度が向上することがわかった。 コードとビデオの結果は、プロジェクトのページで確認できます。

関連論文リスト

• CAP-UDF: Learning Unsigned Distance Functions Progressively from Raw Point Clouds with Consistency-Aware Field Optimization [54.69408516025872]
  CAP-UDFは、生の点雲から一貫性を考慮したUDFを学ぶための新しい方法である。 我々は、クエリと近似曲面の関係を徐々に推測するようにニューラルネットワークを訓練する。 学習されたUDFの勾配を用いて表面を抽出する多角化アルゴリズムも導入する。
  論文  参考訳（メタデータ） (2022-10-06T08:51:08Z)
• Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
  我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。 形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
  論文  参考訳（メタデータ） (2022-08-01T17:45:36Z)
• Semi-signed neural fitting for surface reconstruction from unoriented point clouds [53.379712818791894]
  より優れた符号付き距離場を再構成するためのSN-Fittingを提案する。 SSNフィッティングは半署名の監督と損失に基づく領域サンプリング戦略で構成されている。 我々は,SSN-Fittingが,異なる設定下で最先端の性能を達成することを示す実験を行う。
  論文  参考訳（メタデータ） (2022-06-14T09:40:17Z)
• Spatial Acoustic Projection for 3D Imaging Sonar Reconstruction [2.741266294612776]
  マルチビーム画像ソナーを用いた3次元表面の再構成手法を提案する。 3次元格子における固定セル位置の異なる視点からソナーが測定した強度を統合する。 我々は畳み込みニューラルネットワークを訓練し、署名された距離と各セルの最も近い表面への方向を予測できるようにします。
  論文  参考訳（メタデータ） (2022-06-06T18:24:14Z)
• A Deep Signed Directional Distance Function for Object Shape Representation [12.741811850885309]
  本稿では,連続符号付き方向距離関数(SDDF)を最適化することにより,新しい距離ビューを可能にする新しい形状モデルを提案する。 任意の方向に最も近い表面までの距離を測定するSDFとは異なり、SDDFは所定の方向に距離を測定する。 本モデルは,SDDF値が視方向に沿って直線的に減少する特性を構成によって符号化する。
  論文  参考訳（メタデータ） (2021-07-23T04:11:59Z)
• Neural-Pull: Learning Signed Distance Functions from Point Clouds by Learning to Pull Space onto Surfaces [68.12457459590921]
  3次元点雲から連続曲面を再構成することは、3次元幾何処理の基本的な操作である。 textitNeural-Pullは、シンプルで高品質なSDFを実現する新しいアプローチです。
  論文  参考訳（メタデータ） (2020-11-26T23:18:10Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。