Fugu-MT 論文翻訳(概要): Nonwatertight Mesh Reconstruction

論文の概要: Nonwatertight Mesh Reconstruction

arxiv url: http://arxiv.org/abs/2206.12952v1
Date: Sun, 26 Jun 2022 19:53:00 GMT
ステータス: 処理完了
システム内更新日: 2022-06-29 05:38:09.046961
Title: Nonwatertight Mesh Reconstruction
Title（参考訳）: 非水密メッシュ再構築
Authors: Partha Ghosh
Abstract要約: 無向点クラウドから3D非水位メッシュを再構築することは、コンピュータビジョンとコンピュータグラフィックスの未探索領域である。本研究では,メッシュ表面が位置する3次元体積の領域を識別し,検出された領域から表面を抽出する意味的セグメンテーション問題とした。提案手法は, ベースライン手法と比較して, 説得力のある結果が得られる。
参考スコア（独自算出の注目度）: 7.538482310185135
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reconstructing 3D non-watertight mesh from an unoriented point cloud is an unexplored area in computer vision and computer graphics. In this project, we tried to tackle this problem by extending the learning-based watertight mesh reconstruction pipeline presented in the paper 'Shape as Points'. The core of our approach is to cast the problem as a semantic segmentation problem that identifies the region in the 3D volume where the mesh surface lies and extracts the surfaces from the detected regions. Our approach achieves compelling results compared to the baseline techniques.
Abstract（参考訳）: 非指向ポイントクラウドからの3d非水密メッシュの再構築は、コンピュータビジョンとコンピュータグラフィックスの未検討領域である。本稿では,論文「shape as points」で提示された水密メッシュ再構成パイプラインを拡張して,この問題に取り組むことを試みた。提案手法の核となるのは,メッシュ表面が位置する3次元体積の領域を特定し,検出された領域から表面を抽出するセグメンテーション問題である。我々のアプローチは、ベースライン技術に比べて説得力のある結果を得る。

関連論文リスト

SieveNet: Selecting Point-Based Features for Mesh Networks [41.74190660234404]
メッシュは3Dコンピュータビジョンとグラフィックスで広く使用されているが、その不規則なトポロジは、既存のニューラルネットワークアーキテクチャに適用する際の課題を提起している。メッシュニューラルネットワークの最近の進歩は、生メッシュを入力としてのみ取り込むパイオニアメソッドの境界を押し付けている。本稿では、正規位相と正確な幾何学の両方を考慮した新しいパラダイムであるSieveNetを提案する。
論文参考訳（メタデータ） (2023-08-24T03:40:16Z)
Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
論文参考訳（メタデータ） (2023-03-03T17:14:44Z)
CircNet: Meshing 3D Point Clouds with Circumcenter Detection [67.23307214942696]
3次元点雲を三角形メッシュに再構成することは、計算幾何学と表面再構成の重要な問題である。我々は,点雲三角測量を実現するために,周辺を検知するディープニューラルネットワークを導入する。我々は水密面と開面面の両方の顕著なデータセットに対して本手法の有効性を検証した。
論文参考訳（メタデータ） (2023-01-23T03:32:57Z)
NeuralMeshing: Differentiable Meshing of Implicit Neural Representations [63.18340058854517]
ニューラルな暗黙表現から表面メッシュを抽出する新しい微分可能なメッシュアルゴリズムを提案する。本手法は,通常のテッセルレーションパターンと,既存の手法に比べて三角形面の少ないメッシュを生成する。
論文参考訳（メタデータ） (2022-10-05T16:52:25Z)
Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
論文参考訳（メタデータ） (2022-08-04T14:13:35Z)
DeepMesh: Differentiable Iso-Surface Extraction [53.77622255726208]
本稿では,Deep Implicit Fields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。私たちはこれを利用して、そのトポロジを変えることができるDeepMesh – エンドツーエンドの差別化可能なメッシュ表現を定義する。
論文参考訳（メタデータ） (2021-06-20T20:12:41Z)
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)
GAMesh: Guided and Augmented Meshing for Deep Point Networks [4.599235672072547]
本稿では、GAMeshと呼ばれる新しいメッシュアルゴリズムを提案する。これは、メッシュを使用して、ポイントネットワークの出力ポイントの表面を生成する。この先に出力ポイントを投影することにより、GAMeshはメッシュと同じトポロジを持つ曲面を保証するが、その幾何学的忠実度は点ネットワークによって制御される。
論文参考訳（メタデータ） (2020-10-19T18:23:53Z)
Geodesic-HOF: 3D Reconstruction Without Cutting Corners [42.4960665928525]
シングルビュー3Dオブジェクト再構成は、コンピュータビジョンの難しい根本的な問題である。標準サンプリング領域から高次元空間への画像条件付き写像関数を学習する。この学習された測地線埋め込み空間は、教師なしオブジェクト分解のようなアプリケーションに有用な情報を提供する。
論文参考訳（メタデータ） (2020-06-14T18:59:06Z)
GRNet: Gridding Residual Network for Dense Point Cloud Completion [54.43648460932248]
完全な3Dポイントクラウドを不完全なクラウドから推定することは、多くのビジョンやロボティクスアプリケーションにおいて重要な問題である。本稿では,ポイントクラウド補完のための新しいGridding Residual Network(GRNet)を提案する。実験結果から,提案したGRNetはShapeNet,Completion3D,KITTIベンチマークの最先端手法に対して良好に動作することがわかった。
論文参考訳（メタデータ） (2020-06-06T02:46:39Z)

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。