論文の概要: Edge Preserving Implicit Surface Representation of Point Clouds
- arxiv url: http://arxiv.org/abs/2301.04860v1
- Date: Thu, 12 Jan 2023 08:04:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 15:13:27.615597
- Title: Edge Preserving Implicit Surface Representation of Point Clouds
- Title(参考訳): エッジによる点雲の暗黙的表面表現
- Authors: Xiaogang Wang, Yuhang Cheng, Liang Wang, Jiangbo Lu, Kai Xu, Guoqiang
Xiao
- Abstract要約: 本稿では,ラプリカン正規化器と動的エッジサンプリング戦略を主成分とする新しいエッジ保存型暗黙表面再構成法を提案する。
現状の手法と比較すると,本手法は3次元再構成結果の質を著しく向上させる。
- 参考スコア(独自算出の注目度): 27.632399836710164
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning implicit surface directly from raw data recently has become a very
attractive representation method for 3D reconstruction tasks due to its
excellent performance. However, as the raw data quality deteriorates, the
implicit functions often lead to unsatisfactory reconstruction results. To this
end, we propose a novel edge-preserving implicit surface reconstruction method,
which mainly consists of a differentiable Laplican regularizer and a dynamic
edge sampling strategy. Among them, the differential Laplican regularizer can
effectively alleviate the implicit surface unsmoothness caused by the point
cloud quality deteriorates; Meanwhile, in order to reduce the excessive
smoothing at the edge regions of implicit suface, we proposed a dynamic edge
extract strategy for sampling near the sharp edge of point cloud, which can
effectively avoid the Laplacian regularizer from smoothing all regions.
Finally, we combine them with a simple regularization term for robust implicit
surface reconstruction. Compared with the state-of-the-art methods,
experimental results show that our method significantly improves the quality of
3D reconstruction results. Moreover, we demonstrate through several experiments
that our method can be conveniently and effectively applied to some point cloud
analysis tasks, including point cloud edge feature extraction, normal
estimation,etc.
- Abstract(参考訳): 近年,生データから直接暗黙的な表面を学習することが,その優れた性能から3次元再構成タスクの非常に魅力的な表現方法となっている。
しかし、生のデータ品質が劣化するにつれて、暗黙の機能はしばしば不満足な再建結果をもたらす。
そこで本研究では,ラプリカン正規化器と動的エッジサンプリング戦略を主成分とする,新しいエッジ保存型暗黙表面再構成法を提案する。
このうち, 差分ラプリカン正則化器は, 点雲の品質低下による暗黙的表面不振を効果的に軽減できる一方で, 暗黙的スフェイスのエッジ領域における過大な平滑化を低減すべく, 点雲の鋭いエッジ付近でサンプリングする動的エッジ抽出戦略を提案し, ラプラシアン正則化器がすべての領域の平滑化を効果的に回避できることを示した。
最後に,頑健な暗黙的表面再構成のための単純な正規化項と組み合わせた。
現状の手法と比較すると,本手法は3次元再構成結果の品質を著しく向上させる。
さらに,本手法がポイントクラウドエッジ特徴抽出,正規推定,etcなど,いくつかのポイントクラウド解析タスクに便利かつ効果的に適用可能であることを示す実験を行った。
関連論文リスト
- Arbitrary-Scale Point Cloud Upsampling by Voxel-Based Network with
Latent Geometric-Consistent Learning [52.825441454264585]
Voxel-based Network (textbfPU-VoxelNet) を用いた任意のスケールのクラウド・アップサンプリング・フレームワークを提案する。
ボクセル表現から継承された完全性と規則性により、ボクセルベースのネットワークは3次元表面を近似する事前定義されたグリッド空間を提供することができる。
密度誘導グリッド再サンプリング法を開発し、高忠実度点を生成するとともに、サンプリング出力を効果的に回避する。
論文 参考訳(メタデータ) (2024-03-08T07:31:14Z) - NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting
Guidance [59.08521048003009]
本稿では,3次元ガウススプラッティングから高精細な表面を復元する神経暗黙的表面再構成パイプラインを提案する。
3Dガウススプラッティングの利点は、詳細な構造を持つ高密度の点雲を生成することができることである。
我々は3次元ガウスを極端に薄くすることで、表面に近い中心を引っ張るスケール正則化器を導入する。
論文 参考訳(メタデータ) (2023-12-01T07:04:47Z) - Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid
Representation and Normal Prior Enhancement [53.10080345190996]
多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。
近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。
本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
論文 参考訳(メタデータ) (2023-09-14T12:05:29Z) - Neural-Singular-Hessian: Implicit Neural Representation of Unoriented
Point Clouds by Enforcing Singular Hessian [44.28251558359345]
我々は点雲から表面を再構築するための新しいアプローチを提案する。
提案手法は, 表面近傍の点と表面の射影点との勾配を整列し, わずか数回の反復で粗いが忠実な形状となる。
論文 参考訳(メタデータ) (2023-09-04T20:10:38Z) - Enhancing Surface Neural Implicits with Curvature-Guided Sampling and
Uncertainty-Augmented Representations [40.885487788615855]
本研究では,入力の幾何学的特性を考慮したサンプリング手法を用いて,不確実性を増大させた表面暗示表現を用いたサンプリング手法を提案する。
提案手法は, 合成データと実世界のデータの両方において, 最先端の再構築につながることを示す。
論文 参考訳(メタデータ) (2023-06-03T12:23:17Z) - GP-PCS: One-shot Feature-Preserving Point Cloud Simplification with
Gaussian Processes on Riemannian Manifolds [3.147442081914973]
本研究では,従来の表面再構成工程を使わずに,点雲の健全な構造的特徴と全体形状の両方を保存できるワンショット点雲簡略化法を提案する。
グリーディスペーシフィケーションスキームを用いて点を順次選択し、原雲の簡易版を得る。
提案手法は,複数のベンチマークおよび自己取得点クラウド上で評価し,既存の手法と比較し,登録および表面再構成の下流タスクにおける適用を実証し,実験性能と計算効率の両面で競合することを示す。
論文 参考訳(メタデータ) (2023-03-27T14:05:34Z) - Delicate Textured Mesh Recovery from NeRF via Adaptive Surface
Refinement [78.48648360358193]
画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。
我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。
ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
論文 参考訳(メタデータ) (2023-03-03T17:14:44Z) - NeuralMeshing: Differentiable Meshing of Implicit Neural Representations [63.18340058854517]
ニューラルな暗黙表現から表面メッシュを抽出する新しい微分可能なメッシュアルゴリズムを提案する。
本手法は,通常のテッセルレーションパターンと,既存の手法に比べて三角形面の少ないメッシュを生成する。
論文 参考訳(メタデータ) (2022-10-05T16:52:25Z) - Learning Modified Indicator Functions for Surface Reconstruction [10.413340575612233]
正規化のない原点雲からの暗黙的表面再構成のための学習に基づくアプローチを提案する。
我々の手法はポテンシャルエネルギー理論においてガウス・レムマにインスパイアされ、指標関数に対して明示的な積分公式を与える。
我々は、表面積分を行うための新しいディープニューラルネットワークを設計し、修正されたインジケータ関数を、不向きでノイズの多い点群から学習する。
論文 参考訳(メタデータ) (2021-11-18T05:30:35Z) - Differentiable Surface Rendering via Non-Differentiable Sampling [19.606523934811577]
本稿では,明暗表現と暗示表現の両方をサポートする3次元曲面の微分可能レンダリング法を提案する。
ニューラルレイディアンス場(NeRF)から抽出したアイソの高速で微分可能なレンダリングを初めて示し, ボリュームベースではなく, 表面ベースでNeRFのレンダリングを実証した。
論文 参考訳(メタデータ) (2021-08-10T19:25:06Z) - Shape As Points: A Differentiable Poisson Solver [118.12466580918172]
本稿では,ポアソン表面再構成 (PSR) の微分可能な定式化を用いた,微分可能な点間メッシュ層を提案する。
微分可能なPSR層は、暗示指標場を介して、明示的な3D点表現を3Dメッシュに効率よく、かつ、差別的にブリッジすることができる。
ニューラル暗黙の表現と比較して、私たちのシェープ・アズ・ポイント(SAP)モデルはより解釈可能で、軽量で、1桁の推論時間を加速します。
論文 参考訳(メタデータ) (2021-06-07T09:28:38Z)
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。