論文の概要: Learning Continuous Implicit Representation for Near-Periodic Patterns

• arxiv url: http://arxiv.org/abs/2208.12278v1
• Date: Thu, 25 Aug 2022 18:01:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-29 12:45:08.706438
• Title: Learning Continuous Implicit Representation for Near-Periodic Patterns
• Title（参考訳）: 近周期パターンに対する連続的暗黙表現の学習
• Authors: Bowei Chen, Tiancheng Zhi, Martial Hebert, Srinivasa G. Narasimhan
• Abstract要約: 近周パターン(Near-Periodic Patterns、NPP)は、人工のシーンにおいてユビキタスであり、照明、欠陥、デザイン要素による外観の違いによるタイル付きモチーフで構成されている。 NPPの表現は、局所的な変動を保ちながら、グローバルな一貫性を維持する必要があるため、難しい。 単一画像最適化を用いた座標に基づくニューラル表現を学習する。
• 参考スコア（独自算出の注目度）: 41.70435860192222
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Near-Periodic Patterns (NPP) are ubiquitous in man-made scenes and are composed of tiled motifs with appearance differences caused by lighting, defects, or design elements. A good NPP representation is useful for many applications including image completion, segmentation, and geometric remapping. But representing NPP is challenging because it needs to maintain global consistency (tiled motifs layout) while preserving local variations (appearance differences). Methods trained on general scenes using a large dataset or single-image optimization struggle to satisfy these constraints, while methods that explicitly model periodicity are not robust to periodicity detection errors. To address these challenges, we learn a neural implicit representation using a coordinate-based MLP with single image optimization. We design an input feature warping module and a periodicity-guided patch loss to handle both global consistency and local variations. To further improve the robustness, we introduce a periodicity proposal module to search and use multiple candidate periodicities in our pipeline. We demonstrate the effectiveness of our method on more than 500 images of building facades, friezes, wallpapers, ground, and Mondrian patterns on single and multi-planar scenes.
• Abstract（参考訳）: 近周期パターン(near- periodic pattern, npp)は、人為的なシーンにおいて普遍的に存在し、照明、欠陥、デザイン要素による外観の違いを伴うタイルモチーフで構成されている。 優れたNPP表現は、画像補完、セグメンテーション、幾何学的再マッピングを含む多くのアプリケーションに有用である。 しかし、NPPの表現は、局所的なバリエーション(外観の違い)を維持しながら、グローバルな一貫性(モチーフによるレイアウト)を維持する必要があるため、難しい。 大規模なデータセットや単一イメージの最適化を用いて、一般的な場面で訓練された手法は、これらの制約を満たすのに苦労する。 これらの課題に対処するために、単一画像最適化を用いた座標ベースMLPを用いてニューラル暗黙表現を学習する。 我々は、グローバルな一貫性と局所的な変動の両方を扱うために、入力特徴整合モジュールと周期性誘導パッチ損失を設計する。 さらにロバスト性を向上させるために,パイプライン内の複数の候補周期を探索・利用するための周期性提案モジュールを提案する。 建物ファサード, フリーズ, 壁紙, グラウンド, モンドリアンパターンを, 複数平面のシーンで500枚以上の画像で表現し, 提案手法の有効性を実証した。

関連論文リスト

• Beyond LLaVA-HD: Diving into High-Resolution Large Multimodal Models [44.437693135170576]
  我々は、高度化タスク付きLMM、局所画像圧縮、グローバルエキスパートの混合(SliME)を提案する。 我々は,異なるタスクにおいて異なるアダプタが優れているという観察に基づいて,アダプタの混合を用いてグローバルビューからコンテキスト情報を抽出する。 提案手法は,200万のトレーニングデータのみを用いて,様々なベンチマークにおいて先行的な性能を実現する。
  論文  参考訳（メタデータ） (2024-06-12T17:59:49Z)
• GenS: Generalizable Neural Surface Reconstruction from Multi-View Images [20.184657468900852]
  GenSは、エンドツーエンドの一般化可能なニューラルサーフェス再構成モデルである。 我々の表現はより強力であり、グローバルな滑らかさを維持しながら高周波の詳細を回復することができる。 人気のあるベンチマーク実験により、我々のモデルは新たなシーンにうまく一般化できることが示された。
  論文  参考訳（メタデータ） (2024-06-04T17:13:10Z)
• Towards Effective Image Manipulation Detection with Proposal Contrastive Learning [61.5469708038966]
  本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。 我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。 我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
  論文  参考訳（メタデータ） (2022-10-16T13:30:13Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• PatchMVSNet: Patch-wise Unsupervised Multi-View Stereo for Weakly-Textured Surface Reconstruction [2.9896482273918434]
  本稿では,多視点画像の制約を活かしたロバストな損失関数を提案し,あいまいさを緩和する。 我々の戦略は任意の深さ推定フレームワークで実装することができ、任意の大規模MVSデータセットでトレーニングすることができる。 提案手法は,DTU,タンク・アンド・テンプル,ETH3Dなどの一般的なベンチマーク上での最先端手法の性能に達する。
  論文  参考訳（メタデータ） (2022-03-04T07:05:23Z)
• DeepMultiCap: Performance Capture of Multiple Characters Using Sparse Multiview Cameras [63.186486240525554]
  deep multicapは、スパースマルチビューカメラを用いたマルチパーソンパフォーマンスキャプチャのための新しい手法である。 本手法では,事前走査型テンプレートモデルを用いることなく,時間変化した表面の詳細をキャプチャできる。
  論文  参考訳（メタデータ） (2021-05-01T14:32:13Z)
• InfinityGAN: Towards Infinite-Resolution Image Synthesis [92.40782797030977]
  任意の解像度画像を生成するinfinityganを提案する。 少ない計算資源でパッチバイパッチをシームレスに訓練し、推論する方法を示す。
  論文  参考訳（メタデータ） (2021-04-08T17:59:30Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。