論文の概要: Dynamic Point Cloud Denoising via Gradient Fields

• arxiv url: http://arxiv.org/abs/2204.08755v1
• Date: Tue, 19 Apr 2022 08:51:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 14:26:37.206384
• Title: Dynamic Point Cloud Denoising via Gradient Fields
• Title（参考訳）: 勾配場を経由したダイナミックポイントクラウドデノイング
• Authors: Qianjiang Hu, Wei Hu
• Abstract要約: 3Dダイナミックポイントクラウドは、現実のオブジェクトや動きのシーンを離散的に表現する。 センサから取得した点雲は、通常ノイズによって乱れ、表面の再構成や解析などの下流のタスクに影響を及ぼす。 本研究では,勾配場推定による時間対応を生かした,勾配場に基づく動的点雲デノナイズ手法を提案する。
• 参考スコア（独自算出の注目度）: 17.29921488701806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D dynamic point clouds provide a discrete representation of real-world objects or scenes in motion, which have been widely applied in immersive telepresence, autonomous driving, surveillance, etc. However, point clouds acquired from sensors are usually perturbed by noise, which affects downstream tasks such as surface reconstruction and analysis. Although many efforts have been made for static point cloud denoising, dynamic point cloud denoising remains under-explored. In this paper, we propose a novel gradient-field-based dynamic point cloud denoising method, exploiting the temporal correspondence via the estimation of gradient fields -- a fundamental problem in dynamic point cloud processing and analysis. The gradient field is the gradient of the log-probability function of the noisy point cloud, based on which we perform gradient ascent so as to converge each point to the underlying clean surface. We estimate the gradient of each surface patch and exploit the temporal correspondence, where the temporally corresponding patches are searched leveraging on rigid motion in classical mechanics. In particular, we treat each patch as a rigid object, which moves in the gradient field of an adjacent frame via force until reaching a balanced state, i.e., when the sum of gradients over the patch reaches 0. Since the gradient would be smaller when the point is closer to the underlying surface, the balanced patch would fit the underlying surface well, thus leading to the temporal correspondence. Finally, the position of each point in the patch is updated along the direction of the gradient averaged from corresponding patches in adjacent frames. Experimental results demonstrate that the proposed model outperforms state-of-the-art methods under both synthetic noise and simulated real-world noise.
• Abstract（参考訳）: 3Dダイナミックポイントクラウドは、没入型テレプレゼンス、自律運転、監視などにおいて広く適用されてきた、現実のオブジェクトや動きのシーンを離散的に表現する。 しかし、センサから取得した点雲は通常ノイズによって摂動し、表面再構成や解析などの下流タスクに影響する。 静的ポイントクラウドデノージングには多くの取り組みがなされているが、動的ポイントクラウドデノージングは未検討のままである。 本稿では,勾配場の推定による時間的対応を活用し,勾配場に基づく動的点雲除算法を提案する。 勾配場はノイズ点雲の対数確率関数の勾配であり、各点を下層の清浄面に収束させるために勾配上昇を行う。 本研究では,各表面パッチの勾配を推定し,時間的対応パッチを探索する時間的対応を利用して,古典力学における剛体運動を利用する。 特に、各パッチを剛体として扱い、隣り合うフレームの勾配場を力で移動する、すなわち、パッチ上の勾配の和が0に達するときのバランス状態に達する。 点が下面に近づくと勾配が小さくなるので、バランスの取れたパッチは下面によく適合し、時間的対応をもたらす。 最後に、隣接するフレームにおける対応するパッチから平均される勾配方向に沿ってパッチの各点の位置を更新する。 実験により,提案手法は,合成ノイズとシミュレーション実環境騒音の両方において,最先端の手法よりも優れていた。

関連論文リスト

• Neural Octahedral Field: Octahedral prior for simultaneous smoothing and sharp edge regularization [9.167571374234166]
  そこで本研究では,オクタヘドラル場(Octahedral field)の新たな変種下での表面再構成を導くことを提案する。 暗黙の幾何とともに八面体を同時に嵌め、滑らかにすることで、二元フィルタリングと類似して振る舞う。 提案手法は, 様々な実験において, 従来型, ニューラルなアプローチより優れている。
  論文  参考訳（メタデータ） (2024-08-01T06:02:59Z)
• Fast Learning of Signed Distance Functions from Noisy Point Clouds via Noise to Noise Mapping [54.38209327518066]
  点雲から符号付き距離関数を学習することは、3Dコンピュータビジョンにおいて重要な課題である。 クリーンポイントクラウドや地上の真理監督を必要としないノイズ・ノイズマッピングを用いてSDFを学習することを提案する。 我々の新しい特徴はノイズ・ト・ノイズマッピングにあり、1つの物体やシーンの高精度なSDFを、その多重または単一ノイズの観測から推測することができる。
  論文  参考訳（メタデータ） (2024-07-04T03:35:02Z)
• StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
  ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。 我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。 ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
  論文  参考訳（メタデータ） (2024-05-14T05:41:59Z)
• GECCO: Geometrically-Conditioned Point Diffusion Models [60.28388617034254]
  テキスト上で条件付き画像を生成する拡散モデルが最近,コンピュータビジョンコミュニティをはるかに超えている。 ここでは、無条件および条件付きの両方の点雲を画像で生成するという、関連する問題に取り組む。 後者では,スパーク画像の特徴を点雲に投影することに基づく,幾何学的動機付けによる新しい条件付け手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T13:45:44Z)
• Shape-invariant 3D Adversarial Point Clouds [111.72163188681807]
  逆境と不可視性は、逆境の摂動の2つの基本的だが矛盾する性格である。 3Dポイントのクラウド認識に対する以前の敵対的攻撃は、しばしば目立ったポイントアウトリーチによって批判された。 本稿では,点摂動の効率性と非受容性を両立させる新しい点-クラウド感度マップを提案する。
  論文  参考訳（メタデータ） (2022-03-08T12:21:35Z)
• Point Cloud Denoising via Momentum Ascent in Gradient Fields [72.93429911044903]
  ニューラルネットワークを用いて雑音点雲から勾配場を推定する勾配法を提案した。 そこで我々は, 過去の反復情報を利用して, 点の軌道を決定する運動量勾配上昇法を開発した。 実験により, 提案手法は, 様々な点群, ノイズタイプ, 騒音レベルを有する最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-02-21T10:21:40Z)
• Exploring the Devil in Graph Spectral Domain for 3D Point Cloud Attacks [19.703181080679176]
  3Dダイナミックポイントクラウドは、現実のオブジェクトや動きのシーンを離散的に表現する。 センサから取得した点雲は、通常ノイズによって乱れ、表面の再構成や解析などの下流のタスクに影響を及ぼす。 そこで我々は,勾配場推定のための時間対応を利用して,新しい勾配に基づく動的点雲分極法を提案する。
  論文  参考訳（メタデータ） (2022-02-15T09:16:12Z)
• Deep Point Set Resampling via Gradient Fields [11.5128379063303]
  現実世界のオブジェクトやシーンをスキャンして取得した3Dポイントクラウドは、幅広いアプリケーションを見つけました。 しばしばノイズに悩まされるか、低密度に悩まされるため、表面の再構築や理解といった下流の作業が妨げられる。 本稿では, 点雲の連続勾配場を学習する, 復元のための点集合再サンプリングの新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2021-11-03T07:20:35Z)
• Learning Gradient Fields for Shape Generation [69.85355757242075]
  点雲は、その形状の表面に密度が集中している3D点の分布からサンプルと見なすことができる。 非正規化確率密度の勾配上昇を行うことで点雲を生成する。 本モデルは,ログ密度場の勾配を直接予測し,スコアベース生成モデルに適応した単純な目的で学習することができる。
  論文  参考訳（メタデータ） (2020-08-14T18:06:15Z)
• Dynamic Point Cloud Denoising via Manifold-to-Manifold Distance [24.174744253496513]
  動的点雲を時空間グラフ上で自然に表現し、基底面(多様体)に対する時間的一貫性を利用する。 我々は、所望の点雲と基礎となるグラフ表現の合同最適化として、動的点雲デノイングを定式化する。 実験結果から,提案手法は,最先端の静的クラウドデノナイズ手法から,各フレームの独立デノナイズを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-03-17T04:54:20Z)

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。