論文の概要: RangeUDF: Semantic Surface Reconstruction from 3D Point Clouds

• arxiv url: http://arxiv.org/abs/2204.09138v1
• Date: Tue, 19 Apr 2022 21:39:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-21 14:51:24.472963
• Title: RangeUDF: Semantic Surface Reconstruction from 3D Point Clouds
• Title（参考訳）: RangeUDF: 3次元点雲からのセマンティック表面再構成
• Authors: Bing Wang, Zhengdi Yu, Bo Yang, Jie Qin, Toby Breckon, Ling Shao, Niki Trigoni, Andrew Markham
• Abstract要約: 本研究では,新たな暗黙的表現に基づくフレームワークであるRangeUDFを紹介し,点雲から連続した3次元シーン表面の形状と意味を復元する。 RangeUDFは4点のクラウドデータセット上で表面再構成を行うための最先端のアプローチを明らかに上回っている。
• 参考スコア（独自算出の注目度）: 106.54285912111888
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present RangeUDF, a new implicit representation based framework to recover the geometry and semantics of continuous 3D scene surfaces from point clouds. Unlike occupancy fields or signed distance fields which can only model closed 3D surfaces, our approach is not restricted to any type of topology. Being different from the existing unsigned distance fields, our framework does not suffer from any surface ambiguity. In addition, our RangeUDF can jointly estimate precise semantics for continuous surfaces. The key to our approach is a range-aware unsigned distance function together with a surface-oriented semantic segmentation module. Extensive experiments show that RangeUDF clearly surpasses state-of-the-art approaches for surface reconstruction on four point cloud datasets. Moreover, RangeUDF demonstrates superior generalization capability across multiple unseen datasets, which is nearly impossible for all existing approaches.
• Abstract（参考訳）: 本研究では,連続3次元シーン表面の形状とセマンティクスをポイントクラウドから復元する,新しい暗黙表現ベースフレームワーク rangeudf を提案する。 閉三次元曲面のみをモデル化できる占有場や符号付き距離場とは異なり、このアプローチはいかなる位相にも制限されない。 既存の符号のない距離場と異なるため、我々のフレームワークは表面の曖昧さに悩まされない。 さらに、我々のRangeUDFは連続した表面の正確な意味を共同で推定することができる。 我々のアプローチの鍵は、表面指向セマンティクスセグメンテーションモジュールと共に、距離対応の符号なし距離関数である。 大規模な実験により、RangeUDFは4点のクラウドデータセットの表面再構成のための最先端のアプローチを明らかに超えている。 さらに、RangeUDFは、既存のすべてのアプローチではほぼ不可能な、複数の未確認データセットにまたがる優れた一般化能力を示している。

関連論文リスト

• Unsigned Orthogonal Distance Fields: An Accurate Neural Implicit Representation for Diverse 3D Shapes [29.65562721329593]
  本稿では,符号なし距離場(UDF)に基づくニューラル暗黙表現を提案する。 UODFでは、任意の空間点から形状表面への最小符号なし距離は、SDFとUDFの多方向決定とは対照的に、一方向のみに定義される。 本研究では,水密形状から水密形状から複雑な形状まで,様々な復元例を用いてUODFの有効性を検証した。
  論文  参考訳（メタデータ） (2024-03-03T06:58:35Z)
• DUDF: Differentiable Unsigned Distance Fields with Hyperbolic Scaling [0.20287200280084108]
  我々は符号のない距離場の双曲的スケーリングを学習し、異なる境界条件を持つ新しいアイコン問題を定義する。 提案手法は,オープンサーフェス表現の課題に対処するだけでなく,再構築品質とトレーニング性能の大幅な向上を示す。
  論文  参考訳（メタデータ） (2024-02-14T00:42:19Z)
• NeUDF: Leaning Neural Unsigned Distance Fields with Volume Rendering [25.078149064632218]
  NeUDFは、多視点監視のみから任意のトポロジで表面を再構築することができる。 DTU,MGN,Deep Fashion 3Dなど,多くの課題のあるデータセットに対して,我々の手法を広範囲に評価した。
  論文  参考訳（メタデータ） (2023-04-20T04:14:42Z)
• GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided Distance Representation [73.77505964222632]
  スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。 具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。 予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
  論文  参考訳（メタデータ） (2022-11-30T06:02:01Z)
• NeuralUDF: Learning Unsigned Distance Fields for Multi-view Reconstruction of Surfaces with Arbitrary Topologies [87.06532943371575]
  本稿では2次元画像からボリュームレンダリングにより任意の位相で表面を再構成する新しい手法であるNeuralUDFを提案する。 本稿では,表面をUDF(Unsigned Distance Function)として表現し,ニューラルUDF表現を学習するための新しいボリュームレンダリング手法を提案する。
  論文  参考訳（メタデータ） (2022-11-25T15:21:45Z)
• 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)
• MeshUDF: Fast and Differentiable Meshing of Unsigned Distance Field Networks [68.82901764109685]
  3次元オープンサーフェスモデリングによる深部ニューラルネットワークの非符号距離場(UDF)近似に関する研究 本研究では, 平面交差を局所的に検出することにより, 深部UDFを開放面としてマーチング立方体の拡張により直接メッシュ化することを提案する。 本手法は高密度の点雲のメッシュよりも桁違いに高速であり,開面の膨張よりも高精度である。
  論文  参考訳（メタデータ） (2021-11-29T14:24:02Z)
• Learning Anchored Unsigned Distance Functions with Gradient Direction Alignment for Single-view Garment Reconstruction [92.23666036481399]
  本稿では,1枚の画像から3次元衣料品を復元するための,学習可能なアンコレットアンサイン距離関数 (AnchorUDF) 表現を提案する。 AnchorUDFは符号のない距離場(UDF)を予測して3次元形状を表現し、任意の解像度でオープンな衣服表面モデリングを可能にする。
  論文  参考訳（メタデータ） (2021-08-19T03:45:38Z)
• MeshSDF: Differentiable Iso-Surface Extraction [45.769838982991736]
  本稿では,Deep Signed Distance関数から表面メッシュを明示的に表現する方法を提案する。 我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。 我々はこれを利用して、そのトポロジを変えることができるエンドツーエンドの差別化可能なメッシュ表現であるMeshSDFを定義します。
  論文  参考訳（メタデータ） (2020-06-06T23:44:05Z)

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。