論文の概要: Shape Completion with Points in the Shadow

• arxiv url: http://arxiv.org/abs/2209.08345v2
• Date: Wed, 21 Sep 2022 13:46:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 12:33:59.800443
• Title: Shape Completion with Points in the Shadow
• Title（参考訳）: 影の点をもつ形状の完成
• Authors: Bowen Zhang, Xi Zhao, He Wang, Ruizhen Hu
• Abstract要約: 単一視点のクラウド補完は、限られた観測のみに基づいてオブジェクトの完全な幾何を復元することを目的としている。 コンピュータグラフィックスにおける古典的なシャドウボリューム技術に着想を得て,解空間を効果的に削減する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 13.608498759468024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-view point cloud completion aims to recover the full geometry of an object based on only limited observation, which is extremely hard due to the data sparsity and occlusion. The core challenge is to generate plausible geometries to fill the unobserved part of the object based on a partial scan, which is under-constrained and suffers from a huge solution space. Inspired by the classic shadow volume technique in computer graphics, we propose a new method to reduce the solution space effectively. Our method considers the camera a light source that casts rays toward the object. Such light rays build a reasonably constrained but sufficiently expressive basis for completion. The completion process is then formulated as a point displacement optimization problem. Points are initialized at the partial scan and then moved to their goal locations with two types of movements for each point: directional movements along the light rays and constrained local movement for shape refinement. We design neural networks to predict the ideal point movements to get the completion results. We demonstrate that our method is accurate, robust, and generalizable through exhaustive evaluation and comparison. Moreover, it outperforms state-of-the-art methods qualitatively and quantitatively on MVP datasets.
• Abstract（参考訳）: 単一視点のクラウド補完は、限られた観測のみに基づいてオブジェクトの完全な幾何学を復元することを目的としている。 主な課題は、未制約で巨大な解空間に苦しむ部分スキャンに基づいて、オブジェクトの観測できない部分を埋めるために、妥当なジオメトリを生成することである。 コンピュータグラフィックスにおける古典的なシャドウボリューム技術に着想を得て,解空間を効果的に削減する新しい手法を提案する。 本手法では,カメラを物体に光を照射する光源とみなす。 このような光線は、ある程度制約があるが十分に表現力のある基礎を完成させる。 そして、完了過程を点変位最適化問題として定式化する。 点は部分走査で初期化され、各点に対して2種類の運動を行い、光線に沿った方向の動きと、形状改善のための制限された局所運動である。 我々はニューラルネットワークを設計し、完了結果を得るために理想的な点運動を予測する。 本手法は, 徹底的な評価と比較により, 精度, 頑健, 一般化できることを実証する。 さらに、MVPデータセット上で、最先端のメソッドを質的に、定量的に上回る。

関連論文リスト

• Local Occupancy-Enhanced Object Grasping with Multiple Triplanar Projection [24.00828999360765]
  本稿では,一般的な物体をロボットでつかむという課題に対処する。 提案したモデルはまず、シーン内で最も可能性の高いいくつかの把握ポイントを提案する。 各グリップポイントの周囲に、モジュールはその近傍にある任意のボクセルが空か、ある物体に占有されているかを推測するように設計されている。 モデルはさらに、局所占有力向上した物体形状情報を利用して、6-DoFグリップポーズを推定する。
  論文  参考訳（メタデータ） (2024-07-22T16:22:28Z)
• Self-supervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
  我々は、オブジェクトレベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークであるMAL-SPCを提案する。 私たちのMAL-SPCは3Dの完全な監視を一切必要とせず、各オブジェクトに1つの部分点クラウドを必要とするだけです。
  論文  参考訳（メタデータ） (2024-07-13T06:53:39Z)
• Robust 3D Tracking with Quality-Aware Shape Completion [67.9748164949519]
  そこで本研究では,高密度および完全点の雲からなる合成対象表現について,ロバストな3次元追跡のための形状完備化により正確に表現する。 具体的には, 形状が整ったボキセル化3次元追跡フレームワークを設計し, ノイズのある歴史的予測の悪影響を軽減するために, 品質に配慮した形状完備化機構を提案する。
  論文  参考訳（メタデータ） (2023-12-17T04:50:24Z)
• Spotlights: Probing Shapes from Spherical Viewpoints [25.824284796437652]
  本研究では3次元形状を1次元の奥行き値のコンパクトな配列として表現するスポットライトと呼ばれる新しいサンプリングモデルを提案する。 球面上に均等に分布するカメラの構成をシミュレートし、それぞれの仮想カメラがその主点から小さな同心球状キャップに試料点を通して光線を流し、球面に囲まれた物体との交点を探索する。
  論文  参考訳（メタデータ） (2022-05-25T08:23:18Z)
• Revisiting Point Cloud Simplification: A Learnable Feature Preserving Approach [57.67932970472768]
  MeshとPoint Cloudの単純化手法は、3Dモデルの複雑さを低減しつつ、視覚的品質と関連する健全な機能を維持することを目的としている。 そこで本研究では,正解点の標本化を学習し,高速点雲の簡易化手法を提案する。 提案手法は、入力空間から任意のユーザ定義の点数を選択し、視覚的知覚誤差を最小限に抑えるために、その位置を再配置するよう訓練されたグラフニューラルネットワークアーキテクチャに依存する。
  論文  参考訳（メタデータ） (2021-09-30T10:23:55Z)
• ME-PCN: Point Completion Conditioned on Mask Emptiness [50.414383063838336]
  メインストリーム法は入力点クラウドから学んだグローバルな特徴を復号することで、欠落した形状を予測する。 本稿では,3次元形状空間における空度を利用した点完備ネットワークME-PCNを提案する。
  論文  参考訳（メタデータ） (2021-08-18T15:02:27Z)
• 3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
  点雲は3次元オブジェクト分類において一般的な形状表現である。 本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。 本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-18T04:00:56Z)
• Point Cloud Completion by Learning Shape Priors [74.80746431691938]
  形状の先行には、完全点雲と部分点雲の両方の幾何学的情報が含まれる。 完全点から先行する形状を学習するための特徴アライメント戦略を設計し、微細な段階で部分的な事前を組み込むための粗い微妙な戦略を設計する。 我々はポイントクラウド完了タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-08-02T04:00:32Z)

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。