論文の概要: S-VolSDF: Sparse Multi-View Stereo Regularization of Neural Implicit Surfaces

• arxiv url: http://arxiv.org/abs/2303.17712v1
• Date: Thu, 30 Mar 2023 21:10:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 15:57:41.944260
• Title: S-VolSDF: Sparse Multi-View Stereo Regularization of Neural Implicit Surfaces
• Title（参考訳）: S-VolSDF:Sparse Multi-View Stereo Regularization of Neural Implicit Surfaces
• Authors: Haoyu Wu, Alexandros Graikos, Dimitris Samaras
• Abstract要約: 暗黙の面のニューラルレンダリングは、3次元視覚アプリケーションでうまく機能する。 スパース入力画像のみが利用可能となると、形状と輝度のあいまいさの問題により出力品質が著しく低下する。 MVSソリューションを用いてニューラルレンダリング最適化の正規化を提案する。
• 参考スコア（独自算出の注目度）: 95.70947450191984
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural rendering of implicit surfaces performs well in 3D vision applications. However, it requires dense input views as supervision. When only sparse input images are available, output quality drops significantly due to the shape-radiance ambiguity problem. We note that this ambiguity can be constrained when a 3D point is visible in multiple views, as is the case in multi-view stereo (MVS). We thus propose to regularize neural rendering optimization with an MVS solution. The use of an MVS probability volume and a generalized cross entropy loss leads to a noise-tolerant optimization process. In addition, neural rendering provides global consistency constraints that guide the MVS depth hypothesis sampling and thus improves MVS performance. Given only three sparse input views, experiments show that our method not only outperforms generic neural rendering models by a large margin but also significantly increases the reconstruction quality of MVS models. Project webpage: https://hao-yu-wu.github.io/s-volsdf/.
• Abstract（参考訳）: 暗黙的表面のニューラルレンダリングは、3d視覚アプリケーションでうまく機能する。 しかし、監督には密集した入力ビューが必要である。 スパース入力画像のみが利用可能になると、形状照度曖昧性の問題により出力品質が著しく低下する。 マルチビューステレオ(MVS)の場合のように、複数のビューで3Dポイントが見える場合、この曖昧さは制約される。 そこで我々は,MVSソリューションを用いてニューラルレンダリング最適化の正規化を提案する。 MVS確率体積と一般化されたクロスエントロピー損失の使用は、耐雑音性最適化プロセスにつながる。 さらに、ニューラルレンダリングは、MVS深度仮説サンプリングをガイドするグローバルな一貫性の制約を提供するため、MVSのパフォーマンスが向上する。 3つのスパース・インプット・ビューのみを考えると,本手法は汎用的なニューラルレンダリングモデルよりも大きなマージンで優れるだけでなく,MVSモデルの再構築品質も著しく向上することが示された。 プロジェクトWebページ: https://hao-yu-wu.github.io/s-volsdf/。

関連論文リスト

• MVPGS: Excavating Multi-view Priors for Gaussian Splatting from Sparse Input Views [27.47491233656671]
  新規ビュー合成(NVS)は3次元視覚アプリケーションにおいて重要な課題である。 我々は,3次元ガウススプラッティングに基づくマルチビュー先行を探索する数ショットNVS法である textbfMVPGS を提案する。 実験により,提案手法はリアルタイムレンダリング速度で最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-09-22T05:07:20Z)
• N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
  3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。 N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。 本手法は, 視認性, 深度, 外観特性を忠実に近似する。
  論文  参考訳（メタデータ） (2024-05-25T13:54:34Z)
• Neural Volume Super-Resolution [49.879789224455436]
  本稿では,シーンの体積表現を直接操作する超解像ネットワークを提案する。 提案手法を実現するために,複数の2次元特徴面にヒンジを付ける新しい3次元表現法を提案する。 多様な3Dシーンの多視点一貫したビューを超解し,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2022-12-09T04:54:13Z)
• Multi-View Photometric Stereo Revisited [100.97116470055273]
  多視点測光ステレオ(MVPS)は、画像から被写体を詳細に正確に3D取得する方法として好まれる。 MVPSは異方性や光沢などの他の対象物質と同様に,等方性に対しても有効である。 提案手法は、複数のベンチマークデータセットで広範囲にテストした場合に、最先端の結果を示す。
  論文  参考訳（メタデータ） (2022-10-14T09:46:15Z)
• Vision Transformer for NeRF-Based View Synthesis from a Single Input Image [49.956005709863355]
  本稿では,グローバルな特徴と局所的な特徴を両立させ,表現力のある3D表現を実現することを提案する。 新たなビューを合成するために,学習した3次元表現に条件付き多層パーセプトロン(MLP)ネットワークを訓練し,ボリュームレンダリングを行う。 提案手法は,1つの入力画像のみから新しいビューを描画し,複数のオブジェクトカテゴリを1つのモデルで一般化することができる。
  論文  参考訳（メタデータ） (2022-07-12T17:52:04Z)
• Point-Based Neural Rendering with Per-View Optimization [5.306819482496464]
  入力ビューの空間におけるシーン特性のさらなる最適化を実現するため,MVSを用いた一般的な手法を提案する。 このアプローチの重要な要素は、新しい差別化可能なポイントベースパイプラインです。 私たちはこれらの要素をニューラルネットワークで組み合わせることで、テストしたほぼすべてのシーンにおいて、品質とスピードの両方で従来の方法よりも優れています。
  論文  参考訳（メタデータ） (2021-09-06T11:19:31Z)
• SurfaceNet+: An End-to-end 3D Neural Network for Very Sparse Multi-view Stereopsis [52.35697180864202]
  マルチビューステレオプシス(MVS)は2次元画像から3次元モデルを復元しようとする。 本研究では,スペーサー感覚がより実用的でコスト効率が高いため,ベースライン角度が大きいスパースMVSについて検討する。 非常にスパースなMVSセットアップによって生じる「不完全性」と「不正確性」問題を扱うためのボリューム手法であるSurfaceNet+を提案する。
  論文  参考訳（メタデータ） (2020-05-26T13:13:02Z)

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。