Fugu-MT 論文翻訳(概要): Layout Aware Inpainting for Automated Furniture Removal in Indoor Scenes

論文の概要: Layout Aware Inpainting for Automated Furniture Removal in Indoor Scenes

arxiv url: http://arxiv.org/abs/2210.15796v1
Date: Thu, 27 Oct 2022 23:26:21 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 17:09:49.854187
Title: Layout Aware Inpainting for Automated Furniture Removal in Indoor Scenes
Title（参考訳）: 室内シーンにおける家具自動取り外しのためのレイアウト対応インペインティング
Authors: Prakhar Kulshreshtha, Konstantinos-Nektarios Lianos, Brian Pugh and Salma Jiddi
Abstract要約: 屋内シーンの広い領域の塗装は、しばしば塗装マスク内の背景要素の幾何学的不整合をもたらす。我々は、知覚情報(例:インスタンスセグメンテーション、部屋レイアウト)を用いて、幾何学的に一貫した空バージョンを生成する。実際の家具を部屋から取り除き,仮想家具で再装飾することで,本システムの適用例を示す。
参考スコア（独自算出の注目度）: 1.8925617030516926
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We address the problem of detecting and erasing furniture from a wide angle photograph of a room. Inpainting large regions of an indoor scene often results in geometric inconsistencies of background elements within the inpaint mask. To address this problem, we utilize perceptual information (e.g. instance segmentation, and room layout) to produce a geometrically consistent empty version of a room. We share important details to make this system viable, such as per-plane inpainting, automatic rectification, and texture refinement. We provide detailed ablation along with qualitative examples, justifying our design choices. We show an application of our system by removing real furniture from a room and redecorating it with virtual furniture.
Abstract（参考訳）: 部屋の広角写真から家具を検知・消去する問題に対処する。屋内シーンの広い領域の塗装は、しばしば塗装マスク内の背景要素の幾何学的矛盾をもたらす。この問題に対処するために,知覚情報(例えば,セグメンテーションや部屋レイアウト)を用いて,部屋の幾何学的に一貫性のある空のバージョンを作成する。本システムは,面当たりの塗装,自動改質,テクスチャ改質など,本システムを実現するための重要な情報を共有している。詳細なアブレーションと質的な例を提供し、設計の選択を正当化します。実際の家具を部屋から取り除き,仮想家具で再装飾することで,本システムの適用例を示す。

関連論文リスト

An Empty Room is All We Want: Automatic Defurnishing of Indoor Panoramas [4.474074295449701]
本稿では, 安定拡散を利用したパイプラインを提案し, 劣化状況における塗装結果を改善する。具体的には、コンテキストの増大、ドメイン固有モデル微調整、画像ブレンディングの改善により、高忠実度インペイントが得られるかを説明する。
論文参考訳（メタデータ） (2024-05-06T17:57:03Z)
FurniScene: A Large-scale 3D Room Dataset with Intricate Furnishing Scenes [57.47534091528937]
FurniSceneは、インテリアデザインの専門家による複雑な家具シーンを備えた大規模な3Dルームデータセットである。具体的には、FurniSceneは11,698の部屋と、89種類のユニークな家具CADモデル39,691種類で構成されている。室内環境のきめ細かいレイアウト生成に適した2段階拡散シーンモデル(TSDSM)を提案する。
論文参考訳（メタデータ） (2024-01-07T12:34:45Z)
ControlRoom3D: Room Generation using Semantic Proxy Rooms [48.93419701713694]
高品質なルームメッシュを生成するための新しい手法であるControlRoom3Dを提案する。われわれのアプローチはユーザ定義の3Dセマンティック・プロキシールームであり、粗い部屋のレイアウトを概説している。 2Dにレンダリングすると、この3D表現は強力な2Dモデルを制御するための貴重な幾何学的および意味的な情報を提供する。
論文参考訳（メタデータ） (2023-12-08T17:55:44Z)
RoomDesigner: Encoding Anchor-latents for Style-consistent and Shape-compatible Indoor Scene Generation [26.906174238830474]
室内シーン生成は、空間的に合理的なレイアウトで形状に整合したスタイルの家具配置を作成することを目的としている。家具をアンカーラテント表現としてエンコードすることで,形状先行を室内シーン生成に組み込む2段階モデルを提案する。
論文参考訳（メタデータ） (2023-10-16T03:05:19Z)
Clutter Detection and Removal in 3D Scenes with View-Consistent Inpainting [10.087325516269265]
本稿では,3次元のシーンやインペイントの粗さをコヒーレントな形状とテクスチャで除去するシステムを提案する。ノイズの多いラベルをグループ化し、仮想レンダリングを活用し、インスタンスレベルの領域依存的な損失を課します。 ScanNetとMatterportのデータセットを用いた実験により,本手法はクラッタセグメンテーションと3Dインパインティングのベースラインよりも優れていることがわかった。
論文参考訳（メタデータ） (2023-04-07T17:57:20Z)
SceneHGN: Hierarchical Graph Networks for 3D Indoor Scene Generation with Fine-Grained Geometry [92.24144643757963]
3D屋内シーンは、インテリアデザインからゲーム、バーチャルおよび拡張現実に至るまで、コンピュータグラフィックスで広く使われている。高品質な3D屋内シーンは、専門知識が必要であり、手動で高品質な3D屋内シーンを設計するのに時間を要する。 SCENEHGNは3次元屋内シーンの階層的なグラフネットワークであり,部屋レベルからオブジェクトレベルまでの全階層を考慮し,最後にオブジェクト部分レベルに展開する。提案手法は, 立体形状の細かな家具を含む, 可塑性3次元室内容を直接生成し, 直接的に生成することができる。
論文参考訳（メタデータ） (2023-02-16T15:31:59Z)
Perceptual Artifacts Localization for Inpainting [60.5659086595901]
そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
論文参考訳（メタデータ） (2022-08-05T18:50:51Z)
BlobGAN: Spatially Disentangled Scene Representations [67.60387150586375]
本研究では,シーン生成モデルのための教師なし中間レベル表現を提案する。この表現は、ピクセル単位でもイメージ単位でもなく、むしろ空間的に、奥行き順に並べられた特徴の「ブロブ」の集合としてモデル化されている。
論文参考訳（メタデータ） (2022-05-05T17:59:55Z)
Cylin-Painting: Seamless {360\textdegree} Panoramic Image Outpainting and Beyond [136.18504104345453]
塗り絵と塗り絵の間に有意義な協調関係を持つキリン塗り絵の枠組みを提示する。提案アルゴリズムは、オブジェクト検出、深さ推定、画像超解像などの他のパノラマ視覚タスクに効果的に拡張できる。
論文参考訳（メタデータ） (2022-04-18T21:18:49Z)
Structured Graph Variational Autoencoders for Indoor Furniture layout Generation [7.035614458419328]
室内3Dシーンのレイアウトを生成するための構造化グラフ変分オートエンコーダを提案する。このアーキテクチャは、入力グラフを構造化潜在空間にマッピングするグラフエンコーダと、家具グラフを生成するグラフデコーダから構成される。 3D-FRONTデータセットを用いた実験により,本手法は多様で室内レイアウトに適応したシーンを生成する。
論文参考訳（メタデータ） (2022-04-11T04:58:26Z)
Image-Driven Furniture Style for Interactive 3D Scene Modeling [8.8561720398658]
内部スタイルは、色、幾何学、その他の視覚要素を含む規則に従う。室内のシーン画像から家具のスタイル適合性を学習し,スタイル類似性タスクを高速に追跡する手法を提案する。提案手法は,複数の3次元モデルスタイル適合性結果と,スタイル一貫性シーンをモデル化するための対話型システムを用いて実証する。
論文参考訳（メタデータ） (2020-10-20T18:19:28Z)

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。