論文の概要: Neural 3D Reconstruction in the Wild
- arxiv url: http://arxiv.org/abs/2205.12955v1
- Date: Wed, 25 May 2022 17:59:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-26 16:23:27.281293
- Title: Neural 3D Reconstruction in the Wild
- Title(参考訳): 野生におけるニューラル3次元再構成
- Authors: Jiaming Sun, Xi Chen, Qianqian Wang, Zhengqi Li, Hadar Averbuch-Elor,
Xiaowei Zhou, Noah Snavely
- Abstract要約: そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
- 参考スコア(独自算出の注目度): 86.6264706256377
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We are witnessing an explosion of neural implicit representations in computer
vision and graphics. Their applicability has recently expanded beyond tasks
such as shape generation and image-based rendering to the fundamental problem
of image-based 3D reconstruction. However, existing methods typically assume
constrained 3D environments with constant illumination captured by a small set
of roughly uniformly distributed cameras. We introduce a new method that
enables efficient and accurate surface reconstruction from Internet photo
collections in the presence of varying illumination. To achieve this, we
propose a hybrid voxel- and surface-guided sampling technique that allows for
more efficient ray sampling around surfaces and leads to significant
improvements in reconstruction quality. Further, we present a new benchmark and
protocol for evaluating reconstruction performance on such in-the-wild scenes.
We perform extensive experiments, demonstrating that our approach surpasses
both classical and neural reconstruction methods on a wide variety of metrics.
- Abstract(参考訳): コンピュータビジョンとグラフィックスでは、暗黙の神経表現が爆発的に爆発している。
それらの適用性は最近、形状生成や画像ベースのレンダリングといったタスクを超えて、画像ベースの3D再構成の根本的な問題へと拡張されている。
しかし、既存の方法では、ほぼ均一に分散されたカメラの小さなセットによって、常に照明が取られる制約された3D環境を想定している。
そこで我々は,インターネット写真コレクションから様々な照明環境下での効率的な表面再構成を実現する新しい手法を提案する。
これを実現するために, 表面を効率よくサンプリングし, 再構築品質を向上するハイブリッドなボクセルおよび表面誘導サンプリング技術を提案する。
さらに,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
我々は広範囲にわたる実験を行い,このアプローチが古典的および神経的再構成法を超越することを示す。
関連論文リスト
- ReconFusion: 3D Reconstruction with Diffusion Priors [104.73604630145847]
本稿では,数枚の写真を用いて現実のシーンを再構成するReconFusionを提案する。
提案手法は,合成および多視点データセットに基づいて訓練された新規なビュー合成に先立って拡散を利用する。
本手法は,観測領域の外観を保ちながら,非拘束領域における現実的な幾何学とテクスチャを合成する。
論文 参考訳(メタデータ) (2023-12-05T18:59:58Z) - Multi-View Neural Surface Reconstruction with Structured Light [7.709526244898887]
微分可能レンダリング(DR)に基づく3次元オブジェクト再構成はコンピュータビジョンにおいて活発な研究課題である。
DRに基づく多視点3Dオブジェクト再構成において,構造化光(SL)を用いたアクティブセンシングを導入し,任意のシーンやカメラポーズの未知の形状と外観を学習する。
本手法は, テクスチャレス領域における高い再現精度を実現し, カメラポーズキャリブレーションの労力を削減する。
論文 参考訳(メタデータ) (2022-11-22T03:10:46Z) - MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface
Reconstruction [72.05649682685197]
最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。
これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。
近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
論文 参考訳(メタデータ) (2022-06-01T17:58:15Z) - MVSNeRF: Fast Generalizable Radiance Field Reconstruction from
Multi-View Stereo [52.329580781898116]
MVSNeRFは、ビュー合成のための神経放射場を効率的に再構築できる新しいニューラルレンダリング手法である。
高密度にキャプチャされた画像に対して,シーン毎の最適化を考慮に入れたニューラルネットワークの先行研究とは異なり,高速ネットワーク推論により,近傍の3つの入力ビューのみからラミアンスフィールドを再構成できる汎用ディープニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-03-29T13:15:23Z) - Polka Lines: Learning Structured Illumination and Reconstruction for
Active Stereo [52.68109922159688]
本稿では,波動光学と幾何光学の両方に依存した,アクティブステレオのための新しい微分可能な画像形成モデルと,新しい三眼再構成ネットワークを提案する。
Polka Lines" を再現ネットワークと組み合わせた共同最適化パターンは, 撮像条件全体にわたって, 最先端のアクティブステレオ深度推定を達成している。
論文 参考訳(メタデータ) (2020-11-26T04:02:43Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-03-27T21:28:54Z)
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。