Fugu-MT 論文翻訳(概要): Arbitrary Point Cloud Upsampling with Spherical Mixture of Gaussians

論文の概要: Arbitrary Point Cloud Upsampling with Spherical Mixture of Gaussians

arxiv url: http://arxiv.org/abs/2208.05274v1
Date: Wed, 10 Aug 2022 11:10:16 GMT
ステータス: 翻訳完了
システム内更新日: 2022-08-11 13:01:19.207514
Title: Arbitrary Point Cloud Upsampling with Spherical Mixture of Gaussians
Title（参考訳）: 球状混合ガウス系による任意点雲のアップサンプリング
Authors: Anthony Dell'Eva, Marco Orsingher, Massimo Bertozzi
Abstract要約: APU-SMOGはArbitrary Point Cloud Upsampling (APU)のためのTransformerベースのモデルである APU-SMOGは最先端の固定比法より優れている。
参考スコア（独自算出の注目度）: 1.2375561840897737
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generating dense point clouds from sparse raw data benefits downstream 3D understanding tasks, but existing models are limited to a fixed upsampling ratio or to a short range of integer values. In this paper, we present APU-SMOG, a Transformer-based model for Arbitrary Point cloud Upsampling (APU). The sparse input is firstly mapped to a Spherical Mixture of Gaussians (SMOG) distribution, from which an arbitrary number of points can be sampled. Then, these samples are fed as queries to the Transformer decoder, which maps them back to the target surface. Extensive qualitative and quantitative evaluations show that APU-SMOG outperforms state-of-the-art fixed-ratio methods, while effectively enabling upsampling with any scaling factor, including non-integer values, with a single trained model. The code will be made available.
Abstract（参考訳）: 希薄な生データから高密度点雲を生成することは、下流の3次元理解タスクに恩恵をもたらすが、既存のモデルは固定的なアップサンプリング比または短い整数値に制限される。本稿では,Arbitrary Point Cloud Upsampling (APU) のための Transformer ベースのモデルである APU-SMOG を提案する。スパース入力はまずガウス分布の球混合(SMOG)にマッピングされ、そこから任意の数の点をサンプリングすることができる。その後、これらのサンプルはTransformerデコーダにクエリとして送信され、ターゲット表面にマップされる。 APU-SMOGは、非整数値を含む任意のスケーリング係数を1つのトレーニングモデルで効果的にアップサンプリングし、最先端の固定比法より優れていることを示す。コードは利用可能になります。

関連論文リスト

3D Point Cloud Generation via Autoregressive Up-sampling [60.05226063558296]
我々は3Dポイントクラウド生成のための先駆的な自己回帰生成モデルを導入する。視覚的自己回帰モデリングにインスパイアされた我々は、ポイントクラウド生成を自己回帰的アップサンプリングプロセスとして概念化する。 PointARUは、3Dポイントの雲を粗いものから細かいものへと徐々に洗練する。
論文参考訳（メタデータ） (2025-03-11T16:30:45Z)
iPUNet:Iterative Cross Field Guided Point Cloud Upsampling [20.925921503694894]
3Dスキャン装置によって取得される点雲は、しばしば疎く、ノイズが多く、一様ではないため、幾何学的特徴が失われる。任意の比率で高密度および均一な点を生成する学習ベースポイントアップサンプリング手法iPUNetを提案する。 iPUNetは、ノイズや不均一に分散された入力を処理し、最先端のクラウドサンプリング手法より優れていることを示す。
論文参考訳（メタデータ） (2023-10-13T13:24:37Z)
Grad-PU: Arbitrary-Scale Point Cloud Upsampling via Gradient Descent with Learned Distance Functions [77.32043242988738]
我々は、任意のアップサンプリングレートをサポートする、正確なポイントクラウドアップサンプリングのための新しいフレームワークを提案する。提案手法は,まず,所定のアップサンプリング率に応じて低解像度の雲を補間する。
論文参考訳（メタデータ） (2023-04-24T06:36:35Z)
Joint Geometry and Attribute Upsampling of Point Clouds Using Frequency-Selective Models with Overlapped Support [4.211128681972148]
本稿では,周波数選択型アップサンプリング(FSU)を提案する。平面間誤差と平面-平面角類似性の観点から,提案したFSUの最適性能を示す。
論文参考訳（メタデータ） (2023-01-27T10:20:06Z)
AU-PD: An Arbitrary-size and Uniform Downsampling Framework for Point Clouds [6.786701761788659]
我々はAU-PDという新しいタスク対応サンプリングフレームワークを導入し、ポイントクラウドを直接小さなサイズにダウンサンプルする。私たちは、ダウンストリームタスクの損失によって引き起こされるタスク認識を実現するために、プリサンプルセットを洗練します。注意機構と適切なトレーニングスキームにより、フレームワークは異なるサイズのプリサンプルセットを適応的に洗練することを学ぶ。
論文参考訳（メタデータ） (2022-11-02T13:37:16Z)
Overlap-guided Gaussian Mixture Models for Point Cloud Registration [61.250516170418784]
確率的3Dポイントクラウド登録法は、ノイズ、アウトレーヤ、密度変動を克服する競合性能を示した。本稿では,一致したガウス混合モデル(GMM)パラメータから最適変換を演算する,重複誘導確率登録手法を提案する。
論文参考訳（メタデータ） (2022-10-17T08:02:33Z)
BIMS-PU: Bi-Directional and Multi-Scale Point Cloud Upsampling [60.257912103351394]
我々はBIMS-PUと呼ばれる新しいポイント・クラウド・アップサンプリング・パイプラインを開発した。対象のサンプリング因子を小さな因子に分解することにより,アップ/ダウンサンプリング手順をいくつかのアップ/ダウンサンプリングサブステップに分解する。提案手法は最先端手法よりも優れた結果が得られることを示す。
論文参考訳（メタデータ） (2022-06-25T13:13:37Z)
PU-EVA: An Edge Vector based Approximation Solution for Flexible-scale Point Cloud Upsampling [4.418205951027186]
スパース、ノイズ、および一様でない点雲のアップサンプリングは難しい作業だ。フレキシブルスケールの点群アップサンプリング(PU-EVA)のためのエッジベクトルに基づく近似の新しい設計法を提案する。 EVAアップサンプリングは、ネットワークアーキテクチャによるアップサンプリングスケールを分離し、1回のトレーニングでフレキシブルアップサンプリングレートを達成する。
論文参考訳（メタデータ） (2022-04-22T15:14:05Z)
PUFA-GAN: A Frequency-Aware Generative Adversarial Network for 3D Point Cloud Upsampling [56.463507980857216]
本稿では,点群アップサンプリングのための生成的対向ネットワークを提案する。基底表面に均等に分布するアップサンプリングポイントを作成できるだけでなく、クリーンな高周波領域を効率的に生成することができる。
論文参考訳（メタデータ） (2022-03-02T07:47:46Z)
PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
本稿では,正規化フローを組み込んだPU-Flowについて述べる。具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習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） (2021-07-13T07:45:48Z)
Oops I Took A Gradient: Scalable Sampling for Discrete Distributions [53.3142984019796]
このアプローチは、多くの困難な設定において、ジェネリックサンプリングよりも優れていることを示す。また,高次元離散データを用いた深部エネルギーモデルトレーニングのための改良型サンプリング器についても実演した。
論文参考訳（メタデータ） (2021-02-08T20:08:50Z)

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。