論文の概要: MCTS with Refinement for Proposals Selection Games in Scene Understanding

• arxiv url: http://arxiv.org/abs/2207.03204v1
• Date: Thu, 7 Jul 2022 10:15:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-08 13:34:53.101355
• Title: MCTS with Refinement for Proposals Selection Games in Scene Understanding
• Title（参考訳）: シーン理解のための提案ゲームのためのリファインメント付きMCTS
• Authors: Sinisa Stekovic, Mahdi Rad, Alireza Moradi, Friedrich Fraundorfer, and Vincent Lepetit
• Abstract要約: 本稿では,モンテカルロ木探索(MCTS)アルゴリズムを適用したシーン理解問題に適用可能な新しい手法を提案する。 提案手法は,提案された提案のプールから,目的語を最大化する提案を共同で選択し,最適化する。 本手法は,部屋配置に厳しい制約を加えることなく,Matterport3Dデータセット上で高い性能を示す。
• 参考スコア（独自算出の注目度）: 32.92475660892122
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel method applicable in many scene understanding problems that adapts the Monte Carlo Tree Search (MCTS) algorithm, originally designed to learn to play games of high-state complexity. From a generated pool of proposals, our method jointly selects and optimizes proposals that minimize the objective term. In our first application for floor plan reconstruction from point clouds, our method selects and refines the room proposals, modelled as 2D polygons, by optimizing on an objective function combining the fitness as predicted by a deep network and regularizing terms on the room shapes. We also introduce a novel differentiable method for rendering the polygonal shapes of these proposals. Our evaluations on the recent and challenging Structured3D and Floor-SP datasets show significant improvements over the state-of-the-art, without imposing hard constraints nor assumptions on the floor plan configurations. In our second application, we extend our approach to reconstruct general 3D room layouts from a color image and obtain accurate room layouts. We also show that our differentiable renderer can easily be extended for rendering 3D planar polygons and polygon embeddings. Our method shows high performance on the Matterport3D-Layout dataset, without introducing hard constraints on room layout configurations.
• Abstract（参考訳）: 本研究では,モンテカルロ木探索 (mcts) アルゴリズムを応用した多くのシーン理解問題に適用可能な新しい手法を提案する。 提案手法は提案のプールから,目的語を最小化する提案を共同で選択・最適化する。 提案手法は,2次元多角形をモデルとした室内提案を,深層ネットワークが予測する適合度と室内形状の規則化を組み合わせ,目的関数を最適化することにより,フロアプラン再構築のための最初の応用例である。 また,これらの提案の多角形を描画する新たな微分可能手法を提案する。 最近の挑戦的な構造化3dおよびフロアspデータセットの評価は、床計画の構成に厳しい制約や仮定を課すことなく、最先端よりも大幅に改善しています。 第2のアプリケーションでは、カラー画像から一般的な3D部屋レイアウトを再構築し、正確な部屋レイアウトを得るためのアプローチを拡張した。 また,3次元平面多角形や多角形埋め込みのレンダリングにおいて,微分可能なレンダラを容易に拡張できることを示す。 本手法は,部屋配置に厳しい制約を加えることなく,Matterport3D-Layoutデータセット上で高い性能を示す。

関連論文リスト

• LinPrim: Linear Primitives for Differentiable Volumetric Rendering [53.780682194322225]
  線形プリミティブ-オクタヘドラとテトラヘドラ-ボスに基づく2つの新しいシーン表現を導入する。 この定式化は、ダウンストリームアプリケーションのオーバーヘッドを最小限にする、標準メッシュベースのツールと自然に一致します。 再現精度を向上するためにプリミティブを減らしながら,最先端のボリューム手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2025-01-27T18:49:38Z)
• Prim2Room: Layout-Controllable Room Mesh Generation from Primitives [90.5012354166981]
  Prim2Roomは、2Dレイアウト条件と3Dプリミティブ検索を活用した制御可能なルームメッシュ生成のためのフレームワークである。 適応的な視点選択アルゴリズムを導入し、より好ましい視点から家具のテクスチャと幾何学を生成する。 提案手法は,生成した3Dシーンの精度と美的魅力を高めるだけでなく,詳細な部屋デザインのためのユーザフレンドリーなプラットフォームも提供する。
  論文  参考訳（メタデータ） (2024-09-09T07:25:47Z)
• FRI-Net: Floorplan Reconstruction via Room-wise Implicit Representation [18.157827697752317]
  本研究では,FRI-Netと呼ばれる新しい3次元点雲からの2次元フロアプラン再構築手法を提案する。 フロアプランの幾何学的事前をトレーニング戦略に組み込むことにより、生成された部屋ポリゴンはより幾何学的に規則的である。 提案手法は,提案手法の有効性を実証し,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-07-15T13:01:44Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Connecting the Dots: Floorplan Reconstruction Using Two-Level Queries [27.564355569013706]
  本稿では,複数の部屋の多角形を並列に生成するトランスフォーマーアーキテクチャを提案する。 提案手法は,Structured3DとSceneCADの2つの挑戦的データセットに対して,新たな最先端化を実現する。 追加情報、すなわちセマンティックルームタイプやドアや窓のようなアーキテクチャ要素を予測するために簡単に拡張できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:09Z)
• Towards High-Fidelity Single-view Holistic Reconstruction of Indoor Scenes [50.317223783035075]
  単視点画像から総合的な3次元屋内シーンを再構築するための新しい枠組みを提案する。 詳細なオブジェクト再構成のためのインスタンス整列型暗黙関数(InstPIFu)を提案する。 私たちのコードとモデルは公開されます。
  論文  参考訳（メタデータ） (2022-07-18T14:54:57Z)
• Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
  本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。 平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。 提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)
• LED2-Net: Monocular 360 Layout Estimation via Differentiable Depth Rendering [59.63979143021241]
  パノラマの地平線上での深度予測問題として360度レイアウト推定のタスクを定式化する。 レイアウトから深度予測への変換を区別できるように、差分可能な深度レンダリング手順を提案します。 提案手法は,360 レイアウトのベンチマークデータセットで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-04-01T15:48:41Z)
• MonteFloor: Extending MCTS for Reconstructing Accurate Large-Scale Floor Plans [41.31546857809168]
  うるさい3次元点雲からフロアプランを再構成する新しい手法を提案する。 私たちの主な貢献は、モンテカルロ木探索(mcts)アルゴリズムに依存する原則に基づくアプローチです。 本手法は, 構造化3Dおよびフロア-SPデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2021-03-20T11:36:49Z)
• General 3D Room Layout from a Single View by Render-and-Compare [36.94817376590415]
  一つの視点から部屋の3次元レイアウトを再構築する新しい手法を提案する。 データセットはScanNetの293の画像で構成されており、正確な3Dレイアウトで注釈を付けました。
  論文  参考訳（メタデータ） (2020-01-07T16:14:00Z)

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。