論文の概要: Approximate Convex Decomposition for 3D Meshes with Collision-Aware Concavity and Tree Search

• arxiv url: http://arxiv.org/abs/2205.02961v1
• Date: Thu, 5 May 2022 23:40:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 14:24:06.747220
• Title: Approximate Convex Decomposition for 3D Meshes with Collision-Aware Concavity and Tree Search
• Title（参考訳）: 衝突を考慮した3次元メッシュの近似凸分解と木探索
• Authors: Xinyue Wei, Minghua Liu, Zhan Ling, Hao Su
• Abstract要約: 近似凸分解は、3次元形状をほぼ凸成分の集合に分解することを目的としている。 ゲームエンジン、物理シミュレーション、アニメーションで広く使われている。 本稿では,既存のアプローチの限界を3つの視点から解決する手法を提案する。
• 参考スコア（独自算出の注目度）: 23.52274863244624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Approximate convex decomposition aims to decompose a 3D shape into a set of almost convex components, whose convex hulls can then be used to represent the input shape. It thus enables efficient geometry processing algorithms specifically designed for convex shapes and has been widely used in game engines, physics simulations, and animation. While prior works can capture the global structure of input shapes, they may fail to preserve fine-grained details (e.g., filling a toaster's slots), which are critical for retaining the functionality of objects in interactive environments. In this paper, we propose a novel method that addresses the limitations of existing approaches from three perspectives: (a) We introduce a novel collision-aware concavity metric that examines the distance between a shape and its convex hull from both the boundary and the interior. The proposed concavity preserves collision conditions and is more robust to detect various approximation errors. (b) We decompose shapes by directly cutting meshes with 3D planes. It ensures generated convex hulls are intersection-free and avoids voxelization errors. (c) Instead of using a one-step greedy strategy, we propose employing a multi-step tree search to determine the cutting planes, which leads to a globally better solution and avoids unnecessary cuttings. Through extensive evaluation on a large-scale articulated object dataset, we show that our method generates decompositions closer to the original shape with fewer components. It thus supports delicate and efficient object interaction in downstream applications. We will release our implementation to facilitate future research.
• Abstract（参考訳）: 近似凸分解(英: Approximate convex decomposition)は、3次元形状をほぼ凸成分の集合に分解することを目的としており、その凸殻は入力形状を表すために用いられる。 これにより、凸形状専用に設計された効率的な幾何学処理アルゴリズムが実現され、ゲームエンジン、物理シミュレーション、アニメーションで広く使われている。 以前の作業は入力形状の全体構造をキャプチャするが、細かな詳細(例えばトースターのスロットを満たすなど)の保存に失敗し、インタラクティブな環境でオブジェクトの機能を維持する上で重要である。 本稿では,既存のアプローチの限界を3つの視点から解決する新しい手法を提案する。 a) 境界と内部の両方から形状と凸殻との間の距離を調べる新しい衝突対応凹凸計量を導入する。 提案した凹部は衝突条件を保ち、様々な近似誤差を検出するためにより堅牢である。 b) 3次元平面でメッシュを直接切断することで形状を分解する。 生成された凸船体が交叉のないことを保証し、酸化エラーを避ける。 c) 一段階のグリーディ戦略を用いる代わりに,多段階木探索を用いて切削面を判定し,グローバルにより良い解を導き,不要な切削を回避できる手法を提案する。 大規模オブジェクトデータセットの大規模な評価を通じて,本手法が元の形状に近い分解を少ない成分で生成することを示す。 これにより、下流アプリケーションにおける繊細で効率的なオブジェクトインタラクションをサポートする。 今後の研究を促進するための実装をリリースする。

関連論文リスト

• Robust 3D Tracking with Quality-Aware Shape Completion [67.9748164949519]
  そこで本研究では,高密度および完全点の雲からなる合成対象表現について,ロバストな3次元追跡のための形状完備化により正確に表現する。 具体的には, 形状が整ったボキセル化3次元追跡フレームワークを設計し, ノイズのある歴史的予測の悪影響を軽減するために, 品質に配慮した形状完備化機構を提案する。
  論文  参考訳（メタデータ） (2023-12-17T04:50:24Z)
• Reassembling Broken Objects using Breaking Curves [11.679900805394816]
  うまく一般化する堅牢なソリューションは、さまざまなタイプの壊れたオブジェクトに関連する多様なパターンを扱う必要があります。 本稿では,物体の種類に依存しない3次元点雲のペア組立に取り組む手法を提案する。 その結果, 異なる種類の壊れたオブジェクトの再集合において, 解法は良好に機能することがわかった。
  論文  参考訳（メタデータ） (2023-06-05T11:16:50Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• Optimal and Robust Category-level Perception: Object Pose and Shape Estimation from 2D and 3D Semantic Keypoints [24.232254155643574]
  与えられたカテゴリ(例えば車)のオブジェクトを撮影する2Dまたは3Dセンサデータを取得し、オブジェクトの3Dポーズと形状を再構築する必要がある問題を考える。 最初の貢献は PACE3D* と PACE2D* を開発することである。 2つ目のコントリビューションは、PACE3D#とPACE2D#という名前の、両方のソルバの開発バージョンです。
  論文  参考訳（メタデータ） (2022-06-24T21:58:00Z)
• A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D Shape Matching [69.14632473279651]
  本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。 従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
  論文  参考訳（メタデータ） (2022-04-27T09:47:47Z)
• Optimal Pose and Shape Estimation for Category-level 3D Object Perception [24.232254155643574]
  カテゴリーレベルの知覚問題で、与えられたカテゴリのオブジェクトを撮影する3Dセンサーデータが与えられる。 ポーズと形状推定のための第1の最適CADソルバを提供する。 また, カテゴリレベルの知覚において, アウトレーヤを起点とするグラフ理論の定式化も行った。
  論文  参考訳（メタデータ） (2021-04-16T21:41:29Z)
• From Points to Multi-Object 3D Reconstruction [71.17445805257196]
  単一のRGB画像から複数の3Dオブジェクトを検出し再構成する方法を提案する。 キーポイント検出器は、オブジェクトを中心点としてローカライズし、9-DoF境界ボックスや3D形状を含む全てのオブジェクト特性を直接予測する。 提示されたアプローチは、軽量な再構築を単一ステージで実行し、リアルタイム能力を持ち、完全に微分可能で、エンドツーエンドのトレーナーブルである。
  論文  参考訳（メタデータ） (2020-12-21T18:52:21Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)
• Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion [53.885984328273686]
  Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。 IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
  論文  参考訳（メタデータ） (2020-03-03T11:14:29Z)
• Ellipse R-CNN: Learning to Infer Elliptical Object from Clustering and Occlusion [31.237782332036552]
  楕円形物体を楕円形に表現し,推定するために,最初のCNNベースの楕円形検出器であるEllipse R-CNNを導入する。 まず、楕円形物体検出のためのMask R-CNNアーキテクチャに基づく、頑健でコンパクトな楕円回帰法を提案する。
  論文  参考訳（メタデータ） (2020-01-30T22:04:54Z)

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。