論文の概要: Self-supervised Cloth Reconstruction via Action-conditioned Cloth Tracking

• arxiv url: http://arxiv.org/abs/2302.09502v1
• Date: Sun, 19 Feb 2023 07:48:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 18:09:41.022546
• Title: Self-supervised Cloth Reconstruction via Action-conditioned Cloth Tracking
• Title（参考訳）: 行動条件付き衣服追跡による自己監督型衣服再構成
• Authors: Zixuan Huang, Xingyu Lin, David Held
• Abstract要約: 本研究では,実世界のメッシュ再構築モデルを微調整する自己教師型手法を提案する。 人間のアノテーションを必要とせずに再構成メッシュの品質を向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 18.288330275993328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State estimation is one of the greatest challenges for cloth manipulation due to cloth's high dimensionality and self-occlusion. Prior works propose to identify the full state of crumpled clothes by training a mesh reconstruction model in simulation. However, such models are prone to suffer from a sim-to-real gap due to differences between cloth simulation and the real world. In this work, we propose a self-supervised method to finetune a mesh reconstruction model in the real world. Since the full mesh of crumpled cloth is difficult to obtain in the real world, we design a special data collection scheme and an action-conditioned model-based cloth tracking method to generate pseudo-labels for self-supervised learning. By finetuning the pretrained mesh reconstruction model on this pseudo-labeled dataset, we show that we can improve the quality of the reconstructed mesh without requiring human annotations, and improve the performance of downstream manipulation task.
• Abstract（参考訳）: 状態推定は布の高次元性と自己閉塞性に起因する布の操作において最大の課題の1つである。 メッシュリコンストラクションモデルをシミュレーションで訓練することにより,クランプ服の完全な状態を特定することを提案する。 しかし,このようなモデルでは,布のシミュレーションと実世界の違いにより,模擬と現実のギャップに悩まされがちである。 本研究では,実世界のメッシュ再構築モデルを微調整する自己教師型手法を提案する。 クランプ布のフルメッシュは実世界では入手が難しいため,自己教師型学習のための擬似ラベルを生成するために,特別なデータ収集手法と行動条件付きモデルベース布追跡手法を設計する。 この擬似ラベルデータセット上で事前トレーニングされたメッシュ再構成モデルを微調整することにより、人間のアノテーションを必要とせず、再構成メッシュの品質を改善し、下流操作タスクの性能を向上させることができることを示す。

関連論文リスト

• Fine-Grained Multi-View Hand Reconstruction Using Inverse Rendering [11.228453237603834]
  本稿では,逆レンダリングを利用して手ポーズを復元し,詳細を複雑化する多視点ハンドメッシュ再構成手法を提案する。 また、ハンドメッシュとテクスチャの両方を洗練させるために、新しいハンドアルベドとメッシュ(HAM)最適化モジュールも導入した。 提案手法は,再現精度とレンダリング品質の両面において,最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2024-07-08T07:28:24Z)
• A Two-stage Personalized Virtual Try-on Framework with Shape Control and Texture Guidance [7.302929117437442]
  本稿では,2段階(形状制御とテクスチャガイダンス)を用いて衣服属性を分離する,新しい仮想試行モデル(PE-VITON)を提案する。 提案モデルでは, 衣服の折り畳みの弱さ, 複雑な姿勢下での創出効果の低下, 衣服のぼやけた縁, 従来の試行法では不明瞭なテクスチャスタイルを効果的に解決することができる。
  論文  参考訳（メタデータ） (2023-12-24T13:32:55Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• Mesh-based Dynamics with Occlusion Reasoning for Cloth Manipulation [18.288330275993328]
  布の完全な状態を推定することが困難になるため、布の操作には自己閉塞が困難である。 我々は,布のポーズ推定における最近の進歩を活用して,明示的な排他的推論を用いてクランプ布を広げるシステムを構築する。
  論文  参考訳（メタデータ） (2022-06-06T20:15:02Z)
• SelfRecon: Self Reconstruction Your Digital Avatar from Monocular Video [48.23424267130425]
  SelfReconは、単眼で回転する人間のビデオから、時空のコヒーレントなジオメトリを復元する。 明示的な方法は与えられたシーケンスに対して事前定義されたテンプレートメッシュを必要とするが、テンプレートは特定の対象に対して取得が難しい。 インプリシット法は任意の位相をサポートし、連続的な幾何学的表現により高品質である。
  論文  参考訳（メタデータ） (2022-01-30T11:49:29Z)
• Probabilistic Modeling for Human Mesh Recovery [73.11532990173441]
  本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。 我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
  論文  参考訳（メタデータ） (2021-08-26T17:55:11Z)
• Learning Visible Connectivity Dynamics for Cloth Smoothing [17.24004979796887]
  本稿では,部分点雲観測から粒子動力学モデルを学ぶことを提案する。 部分観測可能性の課題を克服するため, 基盤となる布網上にどの可視点が接続されているのかを推定する。 提案手法は,従来のモデルベースおよびモデルフリー強化学習法をシミュレーションで大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-05-21T15:03:29Z)
• Improved Autoregressive Modeling with Distribution Smoothing [106.14646411432823]
  オートレグレッシブモデルは画像圧縮に優れていますが、そのサンプル品質はしばしば欠けています。 敵対的防御法の成功に触発されて,ランダム化平滑化を自己回帰的生成モデルに取り入れた。
  論文  参考訳（メタデータ） (2021-03-28T09:21:20Z)
• Learning Predictive Representations for Deformable Objects Using Contrastive Estimation [83.16948429592621]
  視覚表現モデルと動的モデルの両方を協調的に最適化する新しい学習フレームワークを提案する。 我々は,標準モデルに基づく学習手法をロープや布の操作スイートで大幅に改善した。
  論文  参考訳（メタデータ） (2020-03-11T17:55:15Z)
• Deformation-aware Unpaired Image Translation for Pose Estimation on Laboratory Animals [56.65062746564091]
  我々は,神経回路が行動をどのようにオーケストレーションするかを研究するために,手動による監督を使わずに,神経科学モデル生物のポーズを捉えることを目的としている。 我々の重要な貢献は、未完成の画像翻訳フレームワークにおける外観、形状、ポーズの明示的で独立したモデリングである。 ショウジョウバエ(ハエ)、線虫(線虫)、ダニオ・レリオ(ゼブラフィッシュ)のポーズ推定精度の向上を実証した。
  論文  参考訳（メタデータ） (2020-01-23T15:34:11Z)

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。