論文の概要: Marching-Primitives: Shape Abstraction from Signed Distance Function

• arxiv url: http://arxiv.org/abs/2303.13190v1
• Date: Thu, 23 Mar 2023 11:42:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-24 14:35:54.849539
• Title: Marching-Primitives: Shape Abstraction from Signed Distance Function
• Title（参考訳）: マーチングプリミティブ:符号付き距離関数からの形状の抽象化
• Authors: Weixiao Liu, Yuwei Wu, Sipu Ruan, Gregory S. Chirikjian
• Abstract要約: 本稿では,SDF から直接原始的抽象化を得るために,マーチング・プリミティブと呼ばれる新しい手法を提案する。 本手法は, ボクセルの接続性を解析することにより, 幾何的プリミティブを反復的に成長させる。 合成および実世界の両方のデータセットにおいて,本手法の性能を評価する。
• 参考スコア（独自算出の注目度）: 29.7543198254021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Representing complex objects with basic geometric primitives has long been a topic in computer vision. Primitive-based representations have the merits of compactness and computational efficiency in higher-level tasks such as physics simulation, collision checking, and robotic manipulation. Unlike previous works which extract polygonal meshes from a signed distance function (SDF), in this paper, we present a novel method, named Marching-Primitives, to obtain a primitive-based abstraction directly from an SDF. Our method grows geometric primitives (such as superquadrics) iteratively by analyzing the connectivity of voxels while marching at different levels of signed distance. For each valid connected volume of interest, we march on the scope of voxels from which a primitive is able to be extracted in a probabilistic sense and simultaneously solve for the parameters of the primitive to capture the underlying local geometry. We evaluate the performance of our method on both synthetic and real-world datasets. The results show that the proposed method outperforms the state-of-the-art in terms of accuracy, and is directly generalizable among different categories and scales. The code is open-sourced at https://github.com/ChirikjianLab/Marching-Primitives.git.
• Abstract（参考訳）: 基本的な幾何学的プリミティブを持つ複雑なオブジェクトを表現することは、長い間コンピュータビジョンのトピックであった。 プリミティブベースの表現は、物理シミュレーション、衝突チェック、ロボット操作などの高レベルなタスクにおいてコンパクトさと計算効率の利点を持つ。 符号付き距離関数(SDF)から多角形メッシュを抽出する従来の手法とは異なり,本論文ではマーチング・プリミティブと呼ばれる新しい手法を提案する。 本手法は, 符号距離の異なるレベルを走行しながら, ボクセルの接続性を分析することによって, 幾何的プリミティブを反復的に成長させる。 有効に連結された各利害関係は,確率的に抽出可能なボクセルの範囲内を行進し,基礎となる局所幾何学を捉えるための原始的パラメータを同時に解く。 本手法は合成データと実世界データの両方での性能を評価する。 その結果,提案手法は精度の面では最先端を上回っており,カテゴリやスケールで直接一般化できることがわかった。 コードはhttps://github.com/ChirikjianLab/ Marching-Primitives.gitで公開されている。

関連論文リスト

• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• Abstracting Sketches through Simple Primitives [53.04827416243121]
  人間は、オブジェクト情報を素早く通信する必要があるゲームにおいて、高いレベルの抽象化能力を示す。 本稿では,プリミティブをベースとしたスケッチ抽象化タスクを提案する。 我々のPrimitive-Matching Network(PMN)は、スケッチの解釈可能な抽象化を自己管理的に学習する。
  論文  参考訳（メタデータ） (2022-07-27T14:32:39Z)
• SDFEst: Categorical Pose and Shape Estimation of Objects from RGB-D using Signed Distance Fields [5.71097144710995]
  RGB-D画像からのオブジェクトのポーズと形状推定のためのモジュールパイプラインを提案する。 生成型形状モデルと新しいネットワークを統合して,単一または複数ビューからの6次元ポーズと形状推定を可能にする。 我々は、合成データと実データの両方に関するいくつかの実験において、最先端手法に対するアプローチの利点を実証する。
  論文  参考訳（メタデータ） (2022-07-11T13:53:50Z)
• Fitting and recognition of geometric primitives in segmented 3D point clouds using a localized voting procedure [1.8352113484137629]
  投票手順によって各タイプの原始パラメータを初期推定できる点雲処理手法を提案する。 これらの推定値を用いることで、最適解の探索を次元的に還元された空間に局所化し、HT を文献で一般的に見られるものよりもより原始的に拡張することが効率的となる。
  論文  参考訳（メタデータ） (2022-05-30T20:47:43Z)
• Primitive-based Shape Abstraction via Nonparametric Bayesian Inference [29.7543198254021]
  本稿では,未知数の幾何学的プリミティブからなる抽象化を点雲から推論する,新しい非パラメトリックベイズ統計法を提案する。 提案手法は精度において最先端の手法より優れており,様々な種類のオブジェクトに対して一般化可能である。
  論文  参考訳（メタデータ） (2022-03-28T13:00:06Z)
• Sparse Instance Activation for Real-Time Instance Segmentation [72.23597664935684]
  本稿では,リアルタイムインスタンスセグメンテーションのための概念的・効率的・完全畳み込み型フレームワークを提案する。 SparseInstは非常に高速な推論速度を持ち、COCOベンチマークで40 FPSと37.9 APを達成した。
  論文  参考訳（メタデータ） (2022-03-24T03:15:39Z)
• Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
  我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。 本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
  論文  参考訳（メタデータ） (2021-04-07T05:42:11Z)
• PrimiTect: Fast Continuous Hough Voting for Primitive Detection [49.72425950418304]
  本手法は点を平面や円錐などの異なる幾何学的プリミティブに分類し,データのコンパクトな表現につながる。 我々は、プリミティブの局所的で低次元のパラメータ化を使用して、ポイントが属するオブジェクトのタイプ、形状、ポーズを決定する。 これにより、ロボットアプリケーションでしばしば必要とされるように、計算能力の低いデバイス上での動作に適したアルゴリズムが実現されます。
  論文  参考訳（メタデータ） (2020-05-15T10:16:07Z)
• Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
  セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。 グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。 計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-03-23T12:28:07Z)

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。