論文の概要: EEP-3DQA: Efficient and Effective Projection-based 3D Model Quality
Assessment
- arxiv url: http://arxiv.org/abs/2302.08715v2
- Date: Sun, 27 Aug 2023 10:08:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 00:45:07.550229
- Title: EEP-3DQA: Efficient and Effective Projection-based 3D Model Quality
Assessment
- Title(参考訳): EEP-3DQA:効果的な投影型3次元モデル品質評価
- Authors: Zicheng Zhang, Wei Sun, Yingjie Zhou, Wei Lu, Yucheng Zhu, Xiongkuo
Min, and Guangtao Zhai
- Abstract要約: 3次元モデルの高品質な特徴を抽出する効率的なモジュールを実現することは困難である。
提案手法は,Non-Reference (NR) underlineEfficient and UnderlineEffective UnderlineProjection-based Underline3D Model underlineQuality underlineAssessment (textbfEEP-3DQA) 法である。
提案されたEEP-3DQAとEEP-3DQA-t (tiny version)の実現
- 参考スコア(独自算出の注目度): 58.16279881415622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Currently, great numbers of efforts have been put into improving the
effectiveness of 3D model quality assessment (3DQA) methods. However, little
attention has been paid to the computational costs and inference time, which is
also important for practical applications. Unlike 2D media, 3D models are
represented by more complicated and irregular digital formats, such as point
cloud and mesh. Thus it is normally difficult to perform an efficient module to
extract quality-aware features of 3D models. In this paper, we address this
problem from the aspect of projection-based 3DQA and develop a no-reference
(NR) \underline{E}fficient and \underline{E}ffective
\underline{P}rojection-based \underline{3D} Model \underline{Q}uality
\underline{A}ssessment (\textbf{EEP-3DQA}) method. The input projection images
of EEP-3DQA are randomly sampled from the six perpendicular viewpoints of the
3D model and are further spatially downsampled by the grid-mini patch sampling
strategy. Further, the lightweight Swin-Transformer tiny is utilized as the
backbone to extract the quality-aware features. Finally, the proposed EEP-3DQA
and EEP-3DQA-t (tiny version) achieve the best performance than the existing
state-of-the-art NR-3DQA methods and even outperforms most full-reference (FR)
3DQA methods on the point cloud and mesh quality assessment databases while
consuming less inference time than the compared 3DQA methods.
- Abstract(参考訳): 現在,3次元モデル品質評価法(3DQA)の有効性向上に多くの取り組みがなされている。
しかし、計算コストと推論時間にはほとんど注意が払われておらず、実際的な応用においても重要である。
2Dメディアとは異なり、3Dモデルはポイントクラウドやメッシュなど、より複雑で不規則なデジタルフォーマットで表現される。
したがって、3Dモデルの品質認識特徴を抽出する効率的なモジュールの実行は通常困難である。
本稿では、プロジェクションベースの3DQAの側面からこの問題に対処し、ノ-リフレクション(NR) \underline{E}fficient and \underline{E}ffective \underline{P}rojection-based \underline{3D} Model \underline{Q}uality \underline{A}ssessment (\textbf{EEP-3DQA})法を開発する。
EEP-3DQAの入力投影画像は、3次元モデルの垂直6視点からランダムにサンプリングされ、グリッドミニパッチサンプリング戦略によりさらに空間的にサンプリングされる。
さらに、背骨として軽量のSwin-Transformer小片を用いて品質認識特徴を抽出する。
最後に、提案したEEP-3DQAとEEP-3DQA-t(ティニーバージョン)は、既存のNR-3DQAメソッドよりも最高のパフォーマンスを達成し、比較した3DQAメソッドよりも推論時間を少なくしながら、ポイントクラウドおよびメッシュ品質評価データベース上で、ほとんどのフル参照(FR)3DQAメソッドを上回ります。
関連論文リスト
- LucidDreamer: Towards High-Fidelity Text-to-3D Generation via Interval
Score Matching [33.696757740830506]
テキストから3D生成の最近の進歩は、将来性を示している。
多くの手法がSDS(Score Distillation Sampling)に基づいている。
オーバー・スムーシングに対抗するために,ISM(Interval Score Matching)を提案する。
論文 参考訳(メタデータ) (2023-11-19T09:59:09Z) - GMS-3DQA: Projection-based Grid Mini-patch Sampling for 3D Model Quality
Assessment [82.93561866101604]
従来のプロジェクションに基づく3DQA手法は,複数プロジェクションから特徴を直接抽出して品質予測精度を確保する。
我々は,Non-Reference (NR) projection-based textitunderlineGrid underlineMini-patch underlineSampling underline3D Model underlineQuality underlineAssessment (GMS-3DQA)法を提案する。
提案されたGMS-3DQAは、他の3Dよりもはるかに少ない計算資源と推論時間を必要とする
論文 参考訳(メタデータ) (2023-06-09T03:53:12Z) - Efficient Text-Guided 3D-Aware Portrait Generation with Score
Distillation Sampling on Distribution [28.526714129927093]
本研究では,DreamPortraitを提案する。DreamPortraitは,テキスト誘導型3D画像の単一フォワードパスで効率よく作成することを目的としている。
さらに,テキストと3D認識空間の対応をモデルが明示的に知覚できるように,3D対応のゲート・アテンション機構を設計する。
論文 参考訳(メタデータ) (2023-06-03T11:08:38Z) - From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。
これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。
本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
論文 参考訳(メタデータ) (2022-03-15T17:50:54Z) - No-Reference Quality Assessment for Colored Point Cloud and Mesh Based
on Natural Scene Statistics [36.017914479449864]
色付き3次元モデルに対するNASに基づくノン参照品質評価指標を提案する。
本手法は主に,カラーポイントクラウド品質評価データベース (SJTU-PCQA) とカラーメッシュ品質評価データベース (CMDM) で検証されている。
論文 参考訳(メタデータ) (2021-07-05T14:03:15Z) - PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。
この2つのタスクを同一のメトリック空間で統一するモデルを提案する。
提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
論文 参考訳(メタデータ) (2021-01-17T05:11:38Z) - Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。
従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。
我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。
これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文 参考訳(メタデータ) (2020-08-31T17:10:48Z) - Exemplar Fine-Tuning for 3D Human Model Fitting Towards In-the-Wild 3D
Human Pose Estimation [107.07047303858664]
3次元の地平線アノテーションを持つ大規模な人的データセットは、野生では入手が困難である。
既存の2Dデータセットを高品質な3Dポーズマッチングで拡張することで、この問題に対処する。
結果として得られるアノテーションは、3Dのプロシージャネットワークをスクラッチからトレーニングするのに十分である。
論文 参考訳(メタデータ) (2020-04-07T20:21:18Z)
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。