論文の概要: Implicit Shape Completion via Adversarial Shape Priors

• arxiv url: http://arxiv.org/abs/2204.10060v1
• Date: Thu, 21 Apr 2022 12:49:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-22 18:31:30.322312
• Title: Implicit Shape Completion via Adversarial Shape Priors
• Title（参考訳）: 逆形状前処理によるインシシット形状補完
• Authors: Abhishek Saroha, Marvin Eisenberger, Tarun Yenamandra and Daniel Cremers
• Abstract要約: 部分点雲の完全化のためのニューラル暗黙的形状法を提案する。 条件付きDeep-SDFアーキテクチャと学習済みの逆形状の事前処理を組み合わせる。 我々はPointNet++識別器を訓練し、生成元が可塑性で一貫した再構成を生成することを示唆する。
• 参考スコア（独自算出の注目度）: 46.48590354256945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel neural implicit shape method for partial point cloud completion. To that end, we combine a conditional Deep-SDF architecture with learned, adversarial shape priors. More specifically, our network converts partial inputs into a global latent code and then recovers the full geometry via an implicit, signed distance generator. Additionally, we train a PointNet++ discriminator that impels the generator to produce plausible, globally consistent reconstructions. In that way, we effectively decouple the challenges of predicting shapes that are both realistic, i.e. imitate the training set's pose distribution, and accurate in the sense that they replicate the partial input observations. In our experiments, we demonstrate state-of-the-art performance for completing partial shapes, considering both man-made objects (e.g. airplanes, chairs, ...) and deformable shape categories (human bodies). Finally, we show that our adversarial training approach leads to visually plausible reconstructions that are highly consistent in recovering missing parts of a given object.
• Abstract（参考訳）: 部分点雲の完全化のためのニューラル暗黙的形状法を提案する。 そこで我々は,条件付き深層sdfアーキテクチャと,学習された逆向きの形状プリエントを組み合わせた。 より具体的には、我々のネットワークは部分入力をグローバルな潜在コードに変換し、暗黙の符号付き距離生成器を介して全幾何学を復元する。 さらに、我々は、生成元に可塑性で一貫した再構築を強制するPointNet++識別器を訓練する。 このようにして、トレーニングセットのポーズ分布を模倣し、部分的な入力観察を再現するという意味で正確であるような、現実的な形状を予測するという課題を効果的に分離する。 実験では,人工物体(飛行機,椅子,...)と変形可能な形状カテゴリ(人体)の両方を考慮して,部分的な形状を完遂するための最先端のパフォーマンスを示す。 最後に,対象物の欠落部分の回復に極めて一貫性のある視覚的に妥当な再構築が,我々の対向訓練アプローチによって達成されていることを示す。

関連論文リスト

• Self-supervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712539]
  我々は、オブジェクトレベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークであるMAL-SPCを提案する。 私たちのMAL-SPCは3Dの完全な監視を一切必要とせず、各オブジェクトに1つの部分点クラウドを必要とするだけです。
  論文  参考訳（メタデータ） (2024-07-13T06:53:39Z)
• Diverse Shape Completion via Style Modulated Generative Adversarial Networks [0.0]
  形状完了は、部分的な観察から物体の完全な3次元形状を復元することを目的としている。 この問題は本質的にマルチモーダルであり、形状の欠落した領域を確実に完備化する方法が多数存在する。 本稿では,部分観測点雲の多種多様な完備化を実現できる条件生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-11-18T23:40:20Z)
• PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval and Deformation [59.70430570779819]
  本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。 私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。 部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
  論文  参考訳（メタデータ） (2022-07-24T18:59:09Z)
• Unsupervised 3D Shape Completion through GAN Inversion [116.27680045885849]
  本稿では,GAN(Generative Adrial Network)インバージョンを導入したShapeInversionについて紹介する。 ShapeInversionは、与えられた部分入力に最も適した完全な形状を与える潜在コードを探すことで、完全な形状で事前訓練されたGANを使用する。 shapenetベンチマークでは、shapeinversion は sota unsupervised メソッドよりも優れており、ペアデータを用いて学習される教師ありメソッドに匹敵する。
  論文  参考訳（メタデータ） (2021-04-27T17:53:46Z)
• A-SDF: Learning Disentangled Signed Distance Functions for Articulated Shape Representation [62.517760545209065]
  A-SDF (Articulated Signed Distance Functions) を導入して, 曲面形状を表す。 本モデルでは, 部分点群や実世界深度画像など, 未知のデータへの一般化を実証する。
  論文  参考訳（メタデータ） (2021-04-15T17:53:54Z)
• RfD-Net: Point Scene Understanding by Semantic Instance Reconstruction [19.535169371240073]
  本稿では,高密度物体表面を直接点雲から検出・再構成するRfD-Netを提案する。 インスタンス再構成を大域的オブジェクトローカライゼーションと局所形状予測に分離する。 我々のアプローチは、オブジェクト再構成において、最先端の技術を一貫して上回り、メッシュIoUの11以上を改善します。
  論文  参考訳（メタデータ） (2020-11-30T12:58:05Z)
• Cascaded Refinement Network for Point Cloud Completion with Self-supervision [74.80746431691938]
  形状整形のための2分岐ネットワークを提案する。 第1分枝は、完全なオブジェクトを合成するためのカスケード形状補完サブネットワークである。 第2のブランチは、元の部分入力を再構築する自動エンコーダである。
  論文  参考訳（メタデータ） (2020-10-17T04:56:22Z)

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。