論文の概要: DeepMend: Learning Occupancy Functions to Represent Shape for Repair
- arxiv url: http://arxiv.org/abs/2210.05728v1
- Date: Tue, 11 Oct 2022 18:42:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 14:30:00.292132
- Title: DeepMend: Learning Occupancy Functions to Represent Shape for Repair
- Title（参考訳）: DeepMend: 修復のための形状を表現するための機能学習
- Authors: Nikolas Lamb, Sean Banerjee, and Natasha Kholgade Banerjee
- Abstract要約: DeepMendは、学習された占有機能を使って骨折形状の修復を再構築する新しいアプローチである。
本研究は, フラクチャー形状の占有を, 基礎となる完全形状の占有と破壊面との結合として表現する。
人工および実世界の走査対象物に模擬骨折を施行し, 実破折マグカップを採取した。
- 参考スコア（独自算出の注目度）: 0.6087960723103347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present DeepMend, a novel approach to reconstruct restorations to
fractured shapes using learned occupancy functions. Existing shape repair
approaches predict low-resolution voxelized restorations, or require symmetries
or access to a pre-existing complete oracle. We represent the occupancy of a
fractured shape as the conjunction of the occupancy of an underlying complete
shape and the fracture surface, which we model as functions of latent codes
using neural networks. Given occupancy samples from an input fractured shape,
we estimate latent codes using an inference loss augmented with novel penalty
terms that avoid empty or voluminous restorations. We use inferred codes to
reconstruct the restoration shape. We show results with simulated fractures on
synthetic and real-world scanned objects, and with scanned real fractured mugs.
Compared to the existing voxel approach and two baseline methods, our work
shows state-of-the-art results in accuracy and avoiding restoration artifacts
over non-fracture regions of the fractured shape.
- Abstract（参考訳）: 今回我々は,学習的占有機能を用いた破折形状復元のための新しいアプローチであるdeepmendを提案する。
既存の形状修復アプローチは、低解像度のボキセル化修復を予測するか、あるいは既存の完全なオラクルへのアクセスや対称性を必要とする。
基礎となる完全形状の占有と破壊面との結合として破断形状の占有を表現し,ニューラルネットワークを用いた潜在符号の関数としてモデル化する。
入力された破壊形状からの占有率サンプルを仮定すると、空またはvoluminousの復元を避ける新しいペナルティ項を付加した推論損失を用いて潜在符号を推定する。
推定符号を用いて復元形状を再構築する。
人工および実世界の走査対象物に模擬骨折を施行し, 実破折マグカップを採取した。
既存のボクセル法と2つのベースライン法と比較して, 断裂した形状の非破壊領域の復元工芸品の精度および回避効果を示す。
関連論文リスト
- 3D Shape Completion with Test-Time Training [6.764513343390546]
署名された距離関数(DeepSDF)の予測に関する関連する研究によって動機付けられたデコーダネットワークを用いる。
断裂した部分への過度な適合は,ShapeNetデータセットの8つの異なる形状カテゴリーを,そのチャムハ距離で復元する上で大きな改善をもたらすことを実証した。
論文 参考訳（メタデータ） (2024-10-24T11:59:32Z) - Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳（メタデータ） (2023-12-08T18:11:22Z) - DeepFracture: A Generative Approach for Predicting Brittle Fractures [2.7669937245634757]
本稿では, 現実的な脆性破壊アニメーションと剛体シミュレーションをシームレスに融合させる新しい学習手法を提案する。
本手法は, BEM脆性破壊シミュレーションを用いて, 所定の形状の破壊パターンと衝突条件を作成する。
以上の結果から,本手法は既存の技術と比較して,より詳細な脆性骨折を生じさせる可能性が示唆された。
論文 参考訳（メタデータ） (2023-10-20T08:15:13Z) - Pix2Repair: Implicit Shape Restoration from Images [7.663519916453075]
Pix2Repairは、壊れた物体の画像を入力として、自動的に3Dプリント可能な復元形状を生成する。
また、Fantastic Breaks Imagedも導入しました。これは、骨折した物体の11,653個の実世界の画像の大規模なデータセットです。
論文 参考訳（メタデータ） (2023-05-29T17:48:09Z) - Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral
Fracture Grading [72.45699658852304]
本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。
フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。
重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
論文 参考訳（メタデータ） (2023-03-21T17:16:01Z) - NeuralUDF: Learning Unsigned Distance Fields for Multi-view
Reconstruction of Surfaces with Arbitrary Topologies [87.06532943371575]
本稿では2次元画像からボリュームレンダリングにより任意の位相で表面を再構成する新しい手法であるNeuralUDFを提案する。
本稿では,表面をUDF(Unsigned Distance Function)として表現し,ニューラルUDF表現を学習するための新しいボリュームレンダリング手法を提案する。
論文 参考訳（メタデータ） (2022-11-25T15:21:45Z) - DeepJoin: Learning a Joint Occupancy, Signed Distance, and Normal Field
Function for Shape Repair [0.684225774857327]
DeepJoinは、ディープニューラルネットワークを使用して骨折形状の高精度な修復を生成するための、自動化されたアプローチである。
本稿では, 占有機能, 符号付き距離関数, 正常場を組み合わせた, 破面形状修復のための新しい暗黙的形状表現法を提案する。
論文 参考訳（メタデータ） (2022-11-22T16:44:57Z) - 3D Textured Shape Recovery with Learned Geometric Priors [58.27543892680264]
本技術報告では,学習した幾何学的先入観を取り入れて,限界に対処するアプローチを提案する。
我々は、学習したポーズ予測からSMPLモデルを生成し、それを部分的な入力に融合させ、人体の事前知識を追加する。
また、異なるレベルのスケールを扱うために、新しい完全性を考慮したバウンディングボックス適応を提案する。
論文 参考訳（メタデータ） (2022-09-07T16:03:35Z) - Point Scene Understanding via Disentangled Instance Mesh Reconstruction [21.92736190195887]
本稿では,効率的なポイントシーン理解のために,aDisentangled Instance Mesh Reconstruction (DIMR) フレームワークを提案する。
セグメント化ベースのバックボーンは、偽陽性オブジェクトの提案を減らすために適用される。
メッシュを意識した潜在コード空間を活用して、シェイプコンプリートとメッシュ生成のプロセスを切り離します。
論文 参考訳（メタデータ） (2022-03-31T06:36:07Z) - A Self-Supervised Deep Framework for Reference Bony Shape Estimation in
Orthognathic Surgical Planning [55.30223654196882]
仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。
正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。
本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-11T05:24:40Z) - Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
再建された表面をニューラルネットワークを用いてアトラスとして表現する。
本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
論文 参考訳（メタデータ） (2021-04-14T16:21:22Z)
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。