論文の概要: Multi-View Reconstruction using Signed Ray Distance Functions (SRDF)
- arxiv url: http://arxiv.org/abs/2209.00082v1
- Date: Wed, 31 Aug 2022 19:32:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-02 13:50:09.270312
- Title: Multi-View Reconstruction using Signed Ray Distance Functions (SRDF)
- Title（参考訳）: 信号線距離関数(SRDF)を用いたマルチビュー再構成
- Authors: Pierre Zins, Yuanlu Xu, Edmond Boyer, Stefanie Wuhrer, Tony Tung
- Abstract要約: 本稿では,体積の新たな形状表現に基づく新しい計算手法について検討する。
この表現に関連する形状エネルギーは、与えられたカラー画像の3次元形状を評価し、外観予測を必要としない。
実際には、カメラ線に沿った深さによってパラメータ化される符号付き距離に基づいて、暗黙の形状表現であるSRDFを提案する。
- 参考スコア（独自算出の注目度）: 22.75986869918975
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we address the problem of multi-view 3D shape reconstruction.
While recent differentiable rendering approaches associated to implicit shape
representations have provided breakthrough performance, they are still
computationally heavy and often lack precision on the estimated geometries. To
overcome these limitations we investigate a new computational approach that
builds on a novel shape representation that is volumetric, as in recent
differentiable rendering approaches, but parameterized with depth maps to
better materialize the shape surface. The shape energy associated to this
representation evaluates 3D geometry given color images and does not need
appearance prediction but still benefits from volumetric integration when
optimized. In practice we propose an implicit shape representation, the SRDF,
based on signed distances which we parameterize by depths along camera rays.
The associated shape energy considers the agreement between depth prediction
consistency and photometric consistency, this at 3D locations within the
volumetric representation. Various photo-consistency priors can be accounted
for such as a median based baseline, or a more elaborated criterion as with a
learned function. The approach retains pixel-accuracy with depth maps and is
parallelizable. Our experiments over standard datasets shows that it provides
state-of-the-art results with respect to recent approaches with implicit shape
representations as well as with respect to traditional multi-view stereo
methods.
- Abstract（参考訳）: 本稿では,マルチビュー3次元形状再構成の問題に対処する。
暗黙的な形状表現に関連する近年の微分可能レンダリングアプローチはブレークスルー性能を提供してきたが、計算量的に重く、推定ジオメトリの精度に欠けることが多い。
これらの限界を克服するため,我々は,近年の微分可能レンダリング手法のように体積性を持つ新しい形状表現を基盤とした新しい計算手法を検討する。
この表現に付随する形状エネルギーは、与えられた色画像の3次元形状を評価し、外観予測は不要であるが、最適化された場合の体積積分の恩恵を受けない。
実際には、カメラ線に沿った深さでパラメータ化される符号付き距離に基づく暗黙的な形状表現であるsrdfを提案する。
関連する形状エネルギーは、深度予測整合性と測光整合の一致を考慮し、これは体積表現内の3次元位置にある。
中央値ベースラインや、学習関数と同様のより精巧な基準など、さまざまなフォト一貫性の先行を説明できる。
この手法は深度マップと画素精度を保ち、並列化可能である。
標準データセットに関する実験では、従来のマルチビューステレオ法と同様に、暗黙的な形状表現を用いた最近のアプローチに関して最先端の結果が得られている。
関連論文リスト
- Probabilistic Directed Distance Fields for Ray-Based Shape Representations [8.134429779950658]
Directed Distance Fields (DDF) は、古典的な距離場の上に構築された新しいニューラルな形状表現である。
基礎分野における本質的な不連続性をモデル化する方法を示す。
次に, 単一形状のフィッティング, 生成モデリング, 単一像の3次元再構成など, DDFを応用した。
論文 参考訳（メタデータ） (2024-04-13T21:02:49Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z) - Learning Neural Radiance Fields from Multi-View Geometry [1.1011268090482573]
画像に基づく3次元再構成のために,多視点幾何アルゴリズムとニューラルレージアンス場(NeRF)を組み合わせたMVG-NeRF(MVG-NeRF)というフレームワークを提案する。
NeRFは暗黙の3D表現の分野に革命をもたらした。
論文 参考訳（メタデータ） (2022-10-24T08:53:35Z) - Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。
以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。
本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
論文 参考訳（メタデータ） (2022-04-09T03:46:18Z) - Implicit Neural Deformation for Multi-View Face Reconstruction [43.88676778013593]
マルチビューRGB画像から新しい3次元顔再構成法を提案する。
従来の3次元形態素モデルに基づく手法とは異なり,本手法は暗黙の表現を利用してリッチな幾何学的特徴を符号化する。
いくつかのベンチマークデータセットに対する実験結果から,提案手法は代替ベースラインよりも優れ,最先端の手法に比べて優れた顔再構成結果が得られることが示された。
論文 参考訳（メタデータ） (2021-12-05T07:02:53Z) - Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。
我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。
本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
論文 参考訳（メタデータ） (2021-10-11T20:20:03Z) - H3D-Net: Few-Shot High-Fidelity 3D Head Reconstruction [27.66008315400462]
表面形状を暗黙的に表現する最近の学習手法は、多視点3次元再構成の問題において顕著な結果を示している。
我々はこれらの制限を,数発のフル3次元頭部再構成の特定の問題に対処する。
暗黙の表現を用いて,数千個の不完全な生スキャンから3次元頭部形状モデルを学習する。
論文 参考訳（メタデータ） (2021-07-26T23:04:18Z) - Volume Rendering of Neural Implicit Surfaces [57.802056954935495]
本稿では,ニューラルボリュームレンダリングにおける幾何学的表現と再構成を改善することを目的とする。
体積密度を幾何学の関数としてモデル化することで実現する。
この新たな密度表現を挑戦的なシーンマルチビューデータセットに適用することで、高品質な幾何学的再構成を実現した。
論文 参考訳（メタデータ） (2021-06-22T20:23:16Z) - From Points to Multi-Object 3D Reconstruction [71.17445805257196]
単一のRGB画像から複数の3Dオブジェクトを検出し再構成する方法を提案する。
キーポイント検出器は、オブジェクトを中心点としてローカライズし、9-DoF境界ボックスや3D形状を含む全てのオブジェクト特性を直接予測する。
提示されたアプローチは、軽量な再構築を単一ステージで実行し、リアルタイム能力を持ち、完全に微分可能で、エンドツーエンドのトレーナーブルである。
論文 参考訳（メタデータ） (2020-12-21T18:52:21Z) - Geometric Correspondence Fields: Learned Differentiable Rendering for 3D
Pose Refinement in the Wild [96.09941542587865]
野生の任意のカテゴリのオブジェクトに対する微分可能レンダリングに基づく新しい3次元ポーズ精細化手法を提案する。
このようにして、3DモデルとRGB画像のオブジェクトを正確に整列し、3Dポーズ推定を大幅に改善する。
我々は、Pix3Dデータセットの挑戦に対するアプローチを評価し、複数のメトリクスにおける最先端の精錬手法と比較して、最大55%の改善を実現した。
論文 参考訳（メタデータ） (2020-07-17T12:34:38Z)
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。