論文の概要: Learning-based Monocular 3D Reconstruction of Birds: A Contemporary Survey

• arxiv url: http://arxiv.org/abs/2207.04512v1
• Date: Sun, 10 Jul 2022 18:13:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-12 14:58:55.573116
• Title: Learning-based Monocular 3D Reconstruction of Birds: A Contemporary Survey
• Title（参考訳）: 学習に基づく鳥類の単眼3次元再構成 : 現代調査
• Authors: Seyed Mojtaba Marvasti-Zadeh, Mohammad N.S. Jahromi, Javad Khaghanix, Devin Goodsman, Nilanjan Ray, Nadir Erbilgin
• Abstract要約: 自然界では、動物の集団行動は同一種の個体間の相互作用によって支配される。 近年の3次元視覚の進歩は、3次元形状とポーズ推定に関する多くの印象的な研究につながっている。 本研究は, 単眼視に基づく3次元鳥の復元の最近の進歩を概観する最初の試みである。
• 参考スコア（独自算出の注目度）: 6.555250822345809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In nature, the collective behavior of animals, such as flying birds is dominated by the interactions between individuals of the same species. However, the study of such behavior among the bird species is a complex process that humans cannot perform using conventional visual observational techniques such as focal sampling in nature. For social animals such as birds, the mechanism of group formation can help ecologists understand the relationship between social cues and their visual characteristics over time (e.g., pose and shape). But, recovering the varying pose and shapes of flying birds is a highly challenging problem. A widely-adopted solution to tackle this bottleneck is to extract the pose and shape information from 2D image to 3D correspondence. Recent advances in 3D vision have led to a number of impressive works on the 3D shape and pose estimation, each with different pros and cons. To the best of our knowledge, this work is the first attempt to provide an overview of recent advances in 3D bird reconstruction based on monocular vision, give both computer vision and biology researchers an overview of existing approaches, and compare their characteristics.
• Abstract（参考訳）: 自然界では、飛ぶ鳥のような動物の集団行動は同じ種の個体間の相互作用によって支配される。 しかし、鳥類種間のこのような行動の研究は、自然界の焦点サンプリングのような従来の視覚観察技術では実行できない複雑なプロセスである。 鳥類のような社会動物にとって、集団形成のメカニズムは、生態学者が社会的な手がかりと視覚的特徴(例えば、ポーズや形)との関係を理解するのに役立つ。 しかし、飛ぶ鳥の様々なポーズや形を復元することは非常に難しい問題である。 このボトルネックに取り組むための広く研究されている解決策は、ポーズと形状情報を2D画像から3D対応に抽出することである。 近年の3D視覚の進歩は、3D形状とポーズ推定に関する多くの印象的な研究につながっている。 我々の知る限り、この研究は、単眼視覚に基づく最近の3D鳥の復元の進歩を概観する最初の試みであり、コンピュータビジョンと生物学研究者の両方に既存のアプローチの概要を与え、それらの特性を比較する。

関連論文リスト

• Temporally-consistent 3D Reconstruction of Birds [5.787285686300833]
  本研究では,特定の種類の海鳥の単眼映像から3Dのポーズと形状を復元する手法を提案する。 我々は,9羽の鳥を同時に捕獲した映像を1万フレームのリアルタイムデータセットとして提供した。
  論文  参考訳（メタデータ） (2024-08-24T17:12:36Z)
• Learning the 3D Fauna of the Web [70.01196719128912]
  3D-Faunaは,100種以上の動物種を対象に,パンカテゴリーで変形可能な3D動物モデルを共同で学習する手法である。 動物モデリングにおける重要なボトルネックの1つは、トレーニングデータの可用性の制限である。 従来のカテゴリー固有の試みは,訓練画像に制限のある希少種への一般化に失敗することを示す。
  論文  参考訳（メタデータ） (2024-01-04T18:32:48Z)
• Two-stage Synthetic Supervising and Multi-view Consistency Self-supervising based Animal 3D Reconstruction by Single Image [30.997936022365018]
  本研究では,2段階指導と自己監督訓練を組み合わせることで,動物による3Dスキャンの課題に対処する。 本研究は,鳥の3次元ディジタル化の定量的・定性的側面において,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-22T07:06:38Z)
• Multi-view Tracking, Re-ID, and Social Network Analysis of a Flock of Visually Similar Birds in an Outdoor Aviary [32.19504891200443]
  曲鳥群が3次元空間を移動する際にの行動動態を研究するシステムについて紹介する。 密接な相互作用する動物群を3次元で追跡する際に生じる複雑さについて検討し、マルチビュートラッカーを評価するための新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2022-12-01T04:23:18Z)
• MagicPony: Learning Articulated 3D Animals in the Wild [81.63322697335228]
  そこで本研究では,オブジェクトカテゴリのワンビュー画像から,この予測器を純粋に学習するMagicPonyを提案する。 その中核は、明瞭な形状と外観を暗黙的に表現し、神経磁場とメッシュの強さを組み合わせたものである。
  論文  参考訳（メタデータ） (2022-11-22T18:59:31Z)
• State of the Art in Dense Monocular Non-Rigid 3D Reconstruction [100.9586977875698]
  モノクル2D画像から変形可能なシーン(または非剛体)の3D再構成は、コンピュータビジョンとグラフィックスの長年、活発に研究されてきた領域である。 本研究は,モノクラー映像やモノクラービューの集合から,様々な変形可能な物体や複合シーンを高密度に非剛性で再現するための最先端の手法に焦点を当てる。
  論文  参考訳（メタデータ） (2022-10-27T17:59:53Z)
• LASSIE: Learning Articulated Shapes from Sparse Image Ensemble via 3D Part Discovery [72.3681707384754]
  そこで,本研究では,特定の動物種について,数枚の画像のみを用いて,動物の3次元ポーズと形状を推定する現実的な問題設定を提案する。 我々は2Dや3Dの地平線アノテーションを前提としないし、多視点や時間的情報も利用しない。 そこで本研究では,3次元部品を自己監督的に発見する新しい最適化フレームワークLASSIEを提案する。
  論文  参考訳（メタデータ） (2022-07-07T17:00:07Z)
• DOVE: Learning Deformable 3D Objects by Watching Videos [89.43105063468077]
  本研究では,鳥の単一2次元画像から3次元標準形状,変形,視点,テクスチャの予測を学習するDOVEを提案する。 本手法は時間的に一貫した3次元形状と変形を再構成し,任意の視点から鳥をアニメーション化し再レンダリングする。
  論文  参考訳（メタデータ） (2021-07-22T17:58:10Z)
• Birds of a Feather: Capturing Avian Shape Models from Images [46.84613650829397]
  本研究は, 定型テンプレートと画像を用いた新種の捕獲手法を提案する。 画像証拠から,各種間の変異を捉える形状空間を学習する。 低次元埋め込みを用いて、学習した3次元形状空間は、学習された知覚的特徴よりも鳥の系統的関係をよりよく反映していることを示す。
  論文  参考訳（メタデータ） (2021-05-19T20:53:48Z)
• 3D Bird Reconstruction: a Dataset, Model, and Shape Recovery from a Single View [35.61330221535231]
  我々は,生きた鳥が提示するユニークな形状とポーズ空間を捉えるためのモデルと多視点最適化手法を提案する。 次に、単一ビューから正確な鳥の姿勢を復元するキーポイント、マスク、ポーズ、形状回帰のためのパイプラインと実験を導入する。 屋外の飛行場に収容された15羽の社会鳥のグループから収集した多視点キーポイントとマスクアノテーションについて述べる。
  論文  参考訳（メタデータ） (2020-08-13T23:29:04Z)

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。