論文の概要: Surface Reconstruction from Point Clouds: A Survey and a Benchmark

• arxiv url: http://arxiv.org/abs/2205.02413v1
• Date: Thu, 5 May 2022 03:02:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 14:58:13.046037
• Title: Surface Reconstruction from Point Clouds: A Survey and a Benchmark
• Title（参考訳）: 点雲の表面再構成:サーベイとベンチマーク
• Authors: Zhangjin Huang, Yuxin Wen, Zihao Wang, Jinjuan Ren, and Kui Jia
• Abstract要約: 本稿では,ディープラーニング表面再構成の新しい時代の既存手法をレビューし,ベンチマークすることを目的とする。 我々は,合成データと実スキャンデータの両方からなる大規模ベンチマークデータセットに貢献する。 複雑な表面形状の再構成の観点から,異なる手法が一般化されるかを検討する。
• 参考スコア（独自算出の注目度）: 34.78096555134551
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstruction of a continuous surface of two-dimensional manifold from its raw, discrete point cloud observation is a long-standing problem. The problem is technically ill-posed, and becomes more difficult considering that various sensing imperfections would appear in the point clouds obtained by practical depth scanning. In literature, a rich set of methods has been proposed, and reviews of existing methods are also provided. However, existing reviews are short of thorough investigations on a common benchmark. The present paper aims to review and benchmark existing methods in the new era of deep learning surface reconstruction. To this end, we contribute a large-scale benchmarking dataset consisting of both synthetic and real-scanned data; the benchmark includes object- and scene-level surfaces and takes into account various sensing imperfections that are commonly encountered in practical depth scanning. We conduct thorough empirical studies by comparing existing methods on the constructed benchmark, and pay special attention on robustness of existing methods against various scanning imperfections; we also study how different methods generalize in terms of reconstructing complex surface shapes. Our studies help identify the best conditions under which different methods work, and suggest some empirical findings. For example, while deep learning methods are increasingly popular, our systematic studies suggest that, surprisingly, a few classical methods perform even better in terms of both robustness and generalization; our studies also suggest that the practical challenges of misalignment of point sets from multi-view scanning, missing of surface points, and point outliers remain unsolved by all the existing surface reconstruction methods. We expect that the benchmark and our studies would be valuable both for practitioners and as a guidance for new innovations in future research.
• Abstract（参考訳）: 生の離散点雲観測による二次元多様体の連続面の再構成は長年の課題である。 問題は技術的に不備であり、実際の深度スキャンによって得られる点雲に様々な検知不能が現れることを考えると、さらに困難になる。 文献では,豊富な手法が提案されており,既存手法のレビューも行われている。 しかし、既存のレビューは共通のベンチマークに関する徹底的な調査に不足している。 本稿では, ディープラーニング表面再構成の新時代における既存手法を概観し, 評価することを目的とする。 この目的のために、我々は、合成データと実スキャンデータの両方からなる大規模なベンチマークデータセットをコントリビュートする。 構築されたベンチマークの既存手法を比較し,種々のスキャン欠陥に対する既存手法の堅牢性に特に注意を払うとともに,複雑な表面形状の再構築の観点から,異なる手法が一般化するかについても検討した。 我々の研究は、異なる方法が働く最良の条件を特定するのに役立ち、いくつかの経験的発見を示唆する。 例えば, 深層学習法はますます普及しているが, 意外なことに, 頑健性と一般化の両面で, 古典的手法がさらに優れていることが示唆されている。また, マルチビュースキャンによる点集合の誤調整, 表面点の欠如, 点アウトリーチが, 既存のすべての表面再構成法で未解決のままであることも示唆している。 私たちは、ベンチマークと研究が、将来の研究における新しいイノベーションのためのガイダンスとして、実践者にとっても価値があると期待しています。

関連論文リスト

• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• A Survey and Benchmark of Automatic Surface Reconstruction from Point Clouds [12.58355339505807]
  点雲から表面を復元する従来の手法と学習法の両方を提示する。 従来のアプローチでは、入力点の雲または結果として生じる表面に手作りの先行を課すことで問題を単純化することが多い。 ディープラーニングモデルには、入力ポイントクラウドの特性を直接学習する能力がある。
  論文  参考訳（メタデータ） (2023-01-31T14:18:19Z)
• Deflectometry for specular surfaces: an overview [0.0]
  反射面を評価するための技術的アプローチとしてのデフレクトメトリーは、現在40年近く存在しています。 この手法の様々な側面とバリエーションが、複数の論文や研究論文で研究され、また特定のサブトピックにもレビューが利用できるようになった。
  論文  参考訳（メタデータ） (2022-04-10T22:17:47Z)
• Recent Few-Shot Object Detection Algorithms: A Survey with Performance Comparison [54.357707168883024]
  Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。 FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。 本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
  論文  参考訳（メタデータ） (2022-03-27T04:11:28Z)
• An Investigation of Replay-based Approaches for Continual Learning [79.0660895390689]
  連続学習(CL)は機械学習(ML)の大きな課題であり、破滅的忘れ(CF)を伴わずに連続的に複数のタスクを学習する能力を記述する。 いくつかの解クラスが提案されており、その単純さと堅牢性から、いわゆるリプレイベースのアプローチは非常に有望であるように思われる。 連続学習におけるリプレイに基づくアプローチを実証的に検討し,応用の可能性を評価する。
  論文  参考訳（メタデータ） (2021-08-15T15:05:02Z)
• A Survey on Deep Semi-supervised Learning [51.26862262550445]
  まず,既存の手法を分類した深層半指導学習の分類法を提案する。 次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
  論文  参考訳（メタデータ） (2021-02-28T16:22:58Z)
• A Unifying Review of Deep and Shallow Anomaly Detection [38.202998314502786]
  我々は、様々な方法によって暗黙的に行われることの多い仮定と同様に、共通の根底にある原則を特定することを目的としている。 本稿では,最近の説明可能性技術を用いて,既存の主要な手法を実証的に評価する。 我々は、重要なオープン課題を概説し、異常検出における今後の研究の道筋を特定する。
  論文  参考訳（メタデータ） (2020-09-24T14:47:54Z)
• Deep Learning Based Single Sample Per Person Face Recognition: A Survey [15.183859288214354]
  本稿では,深層学習に基づく手法に着目し,それらを仮想サンプル法と汎用学習法に分類する。 従来の手法と深い特徴を組み合わせること、損失関数を改善すること、ネットワーク構造を改善することの3つの方法がある。
  論文  参考訳（メタデータ） (2020-06-09T13:24:27Z)

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。