論文の概要: GO-Surf: Neural Feature Grid Optimization for Fast, High-Fidelity RGB-D Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2206.14735v1
• Date: Wed, 29 Jun 2022 15:59:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-30 20:27:32.656171
• Title: GO-Surf: Neural Feature Grid Optimization for Fast, High-Fidelity RGB-D Surface Reconstruction
• Title（参考訳）: GO-Surf:高速かつ高忠実なRGB-D表面再構成のためのニューラル特徴格子最適化
• Authors: Jingwen Wang, Tymoteusz Bleja and Lourdes Agapito
• Abstract要約: GO-Surf は RGB-D 配列からの高精度かつ高速な表面再構成のための直接特徴グリッド最適化手法である。 GO-Surfは15ドルから45ドル(約1万2000円)で2Kフレームのシーケンスを最適化できる。
• 参考スコア（独自算出の注目度）: 13.49456523400957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present GO-Surf, a direct feature grid optimization method for accurate and fast surface reconstruction from RGB-D sequences. We model the underlying scene with a learned hierarchical feature voxel grid that encapsulates multi-level geometric and appearance local information. Feature vectors are directly optimized such that after being tri-linearly interpolated, decoded by two shallow MLPs into signed distance and radiance values, and rendered via surface volume rendering, the discrepancy between synthesized and observed RGB/depth values is minimized. Our supervision signals -- RGB, depth and approximate SDF -- can be obtained directly from input images without any need for fusion or post-processing. We formulate a novel SDF gradient regularization term that encourages surface smoothness and hole filling while maintaining high frequency details. GO-Surf can optimize sequences of $1$-$2$K frames in $15$-$45$ minutes, a speedup of $\times60$ over NeuralRGB-D, the most related approach based on an MLP representation, while maintaining on par performance on standard benchmarks. Project page: https://jingwenwang95.github.io/go_surf/
• Abstract（参考訳）: GO-Surfは,RGB-D系列からの高速表面再構成のための直接特徴グリッド最適化手法である。 我々は,多段階の幾何学的および外観的局所情報をカプセル化した階層的特徴ボクセルグリッドを用いて,基礎となるシーンをモデル化する。 特徴ベクトルを直接最適化することにより、2つの浅いMLPによって符号付き距離と放射率値に分解され、表面体積レンダリングにより合成されたRGB/深さ値の差を最小限に抑える。 我々の監視信号(RGB、深さ、近似SDF)は、融合や後処理を必要とせずに、入力画像から直接得ることができる。 我々は、高周波の詳細を維持しながら表面の滑らかさと穴埋めを促進する新しいSDF勾配正規化項を定式化する。 GO-Surfは、MLP表現に基づく最も関連するアプローチであるNeuralRGB-D上での$\times60$のスピードアップで、15ドルから2ドルKフレームのシーケンスを15ドルから45ドル分で最適化できる。 プロジェクトページ: https://jingwenwang95.github.io/go_surf/

関連論文リスト

• Volumetric Surfaces: Representing Fuzzy Geometries with Multiple Meshes [59.17785932398617]
  高品質なリアルタイムビュー合成法は、ボリュームレンダリング、スプレイティング、サーフェスレンダリングに基づいている。 本稿では,サンプリング位置の個数が小さく,有界なリアルタイムビューのための新しい表現を提案する。 提案手法は,ローエンドおよびモバイル機器におけるボリュームベースおよびスプラッティングベース手法よりも高いフレームレートを達成しつつ,困難なファジィオブジェクトを表現可能であることを示す。
  論文  参考訳（メタデータ） (2024-09-04T07:18:26Z)
• HVOFusion: Incremental Mesh Reconstruction Using Hybrid Voxel Octree [12.180935725861723]
  本稿では,オクセル構造とオクセル構造を融合させるハイブリッドなオクセルオクツリー手法を提案する。 このようなスパース構造は葉ノードの三角形の面を保存し、漸進的な再構成のために部分メッシュを逐次生成する。 いくつかのデータセットに対する実験結果から,提案手法は現実的な色でシーンを迅速かつ正確に再構築できることが示された。
  論文  参考訳（メタデータ） (2024-04-27T18:24:53Z)
• Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping [51.739466714312805]
  ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。 ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
  論文  参考訳（メタデータ） (2024-01-06T12:32:25Z)
• DynamicSurf: Dynamic Neural RGB-D Surface Reconstruction with an Optimizable Feature Grid [7.702806654565181]
  DynamicSurfは、モノクロRGB-Dビデオから非剛体表面の高忠実度3Dモデリングのためのモデルのない暗黙表面再構成手法である。 我々は、表面幾何学の正準表現を現在のフレームにマッピングする神経変形場を学習する。 我々は、純粋ベースアプローチよりも6ドルのスピードアップで、様々なフレームのシーケンスを最適化できることを実証した。
  論文  参考訳（メタデータ） (2023-11-14T13:39:01Z)
• Fast Monocular Scene Reconstruction with Global-Sparse Local-Dense Grids [84.90863397388776]
  本稿では,スパルス・ボクセル・ブロック・グリッドにおける署名付き距離関数(SDF)を直接使用して,距離のない高速かつ正確なシーン再構成を実現することを提案する。 我々の世界規模で疎密で局所的なデータ構造は、表面の空間的空間性を利用して、キャッシュフレンドリーなクエリを可能にし、マルチモーダルデータへの直接拡張を可能にします。 実験により、我々のアプローチはトレーニングでは10倍、レンダリングでは100倍高速であり、最先端のニューラル暗黙法に匹敵する精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2023-05-22T16:50:19Z)
• PermutoSDF: Fast Multi-View Reconstruction with Implicit Surfaces using Permutohedral Lattices [30.769016867151674]
  本稿では,新しいビューレンダリングのためのハッシュベースの暗黙的表面表現を提案する。 我々は、RGB画像のみを用いて、細孔やしわの程度で幾何学的詳細を復元できることを示す。
  論文  参考訳（メタデータ） (2022-11-22T20:27:44Z)
• Pyramidal Attention for Saliency Detection [30.554118525502115]
  本稿では,RGB画像のみを活用し,RGBから深度を推定し,中間深度特性を利用する。 ピラミッド型アテンション構造を用いて,マルチレベル畳み込み変換器の特徴を抽出し,初期表現の処理を行う。 我々は8つのRGBおよびRGB-Dデータセット上で21と40の最先端SOD法に対する性能を著しく改善したことを報告した。
  論文  参考訳（メタデータ） (2022-04-14T06:57:46Z)
• MeshUDF: Fast and Differentiable Meshing of Unsigned Distance Field Networks [68.82901764109685]
  3次元オープンサーフェスモデリングによる深部ニューラルネットワークの非符号距離場(UDF)近似に関する研究 本研究では, 平面交差を局所的に検出することにより, 深部UDFを開放面としてマーチング立方体の拡張により直接メッシュ化することを提案する。 本手法は高密度の点雲のメッシュよりも桁違いに高速であり,開面の膨張よりも高精度である。
  論文  参考訳（メタデータ） (2021-11-29T14:24:02Z)
• Spatial-Separated Curve Rendering Network for Efficient and High-Resolution Image Harmonization [59.19214040221055]
  本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。 提案手法は従来の手法と比較して90%以上のパラメータを減少させる。 提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
  論文  参考訳（メタデータ） (2021-09-13T07:20:16Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)

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。