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
- MultiPull: Detailing Signed Distance Functions by Pulling Multi-Level Queries at Multi-Step [48.812388649469106]
粗いSDFを粗い値から細かい値に最適化することにより,原点雲から多スケール暗黙フィールドを学習する手法を提案する。
広く使われているオブジェクトとシーンのベンチマーク実験により,この手法は表面再構成における最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-11-02T10:50:22Z) - ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。
そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。
本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
論文 参考訳（メタデータ） (2024-08-22T17:59:01Z) - MergeNet: Explicit Mesh Reconstruction from Sparse Point Clouds via Edge Prediction [11.280646720745729]
既存の暗黙の手法は、優れた滑らかで水密なメッシュを生成する。
顔を直接ポイントから形成することで、明示的な手法がより効率的になる。
本稿では,メッシュ再構成を局所接続予測問題に変換する edGE(Net) による MEshMerge 再構成を提案する。
論文 参考訳（メタデータ） (2024-07-16T11:19:16Z) - 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) - Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
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) - Domain Reduction Strategy for Non Line of Sight Imaging [20.473142941237015]
非視線イメージング(NLOS)では、対象物体の可視光面は顕著に希薄である。
隠れ空間から連続的にサンプリングされた点集合からの部分的伝播を通して過渡現象を描画する手法を設計する。
本手法は,表面標準値を用いたビュー依存リフレクタンスを高精度かつ効率的にモデル化することができる。
論文 参考訳（メタデータ） (2023-08-20T14:00:33Z) - Enhancing Surface Neural Implicits with Curvature-Guided Sampling and Uncertainty-Augmented Representations [37.42624848693373]
本研究では,高忠実度3次元再構成作業において,深度画像を直接消化する手法を提案する。
高効率なトレーニングデータを生成するため,簡単なサンプリング手法を提案する。
その単純さにもかかわらず、本手法は古典的および学習的ベースラインの両方に優れる。
論文 参考訳（メタデータ） (2023-06-03T12:23:17Z) - 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) - 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。