論文の概要: Looking Through the Glass: Neural Surface Reconstruction Against High Specular Reflections

• arxiv url: http://arxiv.org/abs/2304.08706v1
• Date: Tue, 18 Apr 2023 02:34:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 16:02:38.551134
• Title: Looking Through the Glass: Neural Surface Reconstruction Against High Specular Reflections
• Title（参考訳）: ガラスを通して見る:高鏡面反射に対する神経表面再構成
• Authors: Jiaxiong Qiu, Peng-Tao Jiang, Yifan Zhu, Ze-Xin Yin, Ming-Ming Cheng, Bo Ren
• Abstract要約: 暗黙的ニューラルレンダリングに基づく新しい表面再構成フレームワークNeuS-HSRを提案する。 NeuS-HSRでは、物体表面は暗黙の符号付き距離関数としてパラメータ化される。 我々は、NeuS-HSRが、HSRに対する高精度で堅牢なターゲット表面再構成において、最先端のアプローチよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 72.45512144682554
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neural implicit methods have achieved high-quality 3D object surfaces under slight specular highlights. However, high specular reflections (HSR) often appear in front of target objects when we capture them through glasses. The complex ambiguity in these scenes violates the multi-view consistency, then makes it challenging for recent methods to reconstruct target objects correctly. To remedy this issue, we present a novel surface reconstruction framework, NeuS-HSR, based on implicit neural rendering. In NeuS-HSR, the object surface is parameterized as an implicit signed distance function (SDF). To reduce the interference of HSR, we propose decomposing the rendered image into two appearances: the target object and the auxiliary plane. We design a novel auxiliary plane module by combining physical assumptions and neural networks to generate the auxiliary plane appearance. Extensive experiments on synthetic and real-world datasets demonstrate that NeuS-HSR outperforms state-of-the-art approaches for accurate and robust target surface reconstruction against HSR. Code is available at https://github.com/JiaxiongQ/NeuS-HSR.
• Abstract（参考訳）: ニューラル暗黙法は、わずかなハイライトの下で高品質な3次元物体表面を達成している。 しかし、高いスペクトル反射 (HSR) は、眼鏡で捉えた場合、しばしば対象物の前に現れる。 これらのシーンにおける複雑な曖昧さは、マルチビューの一貫性に反し、最近の方法でターゲットオブジェクトを正しく再構築することは困難である。 この問題を解決するために,暗黙のニューラルレンダリングに基づく新しい表面再構成フレームワークNeuS-HSRを提案する。 NeuS-HSRでは、物体表面は暗黙符号距離関数(SDF)としてパラメータ化される。 HSRの干渉を低減するため,描画画像を対象物体と補助平面の2つの外観に分解する手法を提案する。 物理仮定とニューラルネットワークを組み合わせた新しい補助平面モジュールを設計し,補助平面の外観を生成する。 合成および実世界のデータセットに対する大規模な実験により、NeuS-HSRはHSRに対して正確で堅牢なターゲット表面再構成のために最先端のアプローチより優れていることが示された。 コードはhttps://github.com/JiaxiongQ/NeuS-HSRで公開されている。

関連論文リスト

• High-Fidelity Mask-free Neural Surface Reconstruction for Virtual Reality [6.987660269386849]
  Hi-NeuSは、ニューラル暗黙表面再構成のための新しいレンダリングベースのフレームワークである。 提案手法はNeuSとその変種であるNeuralangeloを用いて検証されている。
  論文  参考訳（メタデータ） (2024-09-20T02:07:49Z)
• NeuRodin: A Two-stage Framework for High-Fidelity Neural Surface Reconstruction [63.85586195085141]
  サイン付き距離関数 (SDF) を用いたボリュームレンダリングは, 表面再構成において有意な機能を示した。 ニューロディン(NeuRodin)は、新しい2段階の神経表面再構成フレームワークである。 NeuRodinは高忠実な表面再構成を実現し、密度ベース手法の柔軟な最適化特性を維持している。
  論文  参考訳（メタデータ） (2024-08-19T17:36:35Z)
• UniSDF: Unifying Neural Representations for High-Fidelity 3D Reconstruction of Complex Scenes with Reflections [92.38975002642455]
  大規模な複雑なシーンをリフレクションで再構成できる汎用3次元再構成手法UniSDFを提案する。 提案手法は,複雑な大規模シーンを細部と反射面で頑健に再構築することができる。
  論文  参考訳（メタデータ） (2023-12-20T18:59:42Z)
• ObjectSDF++: Improved Object-Compositional Neural Implicit Surfaces [40.489487738598825]
  近年,多視点3次元再構成のパラダイムとして神経暗黙的表面再構成が注目されている。 以前の作業では、ObjectSDFは、オブジェクト合成ニューラルな暗黙の面の優れたフレームワークを導入しました。 我々はObjectSDF++と呼ばれる新しいフレームワークを提案し、ObjectSDFの限界を克服する。
  論文  参考訳（メタデータ） (2023-08-15T16:35:40Z)
• VolRecon: Volume Rendering of Signed Ray Distance Functions for Generalizable Multi-View Reconstruction [64.09702079593372]
  VolRecon は Signed Ray Distance Function (SRDF) を用いた新しい一般化可能な暗黙的再構成法である DTUデータセットでは、VolReconはスパースビュー再構築においてSparseNeuSを約30%上回り、フルビュー再構築においてMVSNetと同等の精度を達成する。
  論文  参考訳（メタデータ） (2022-12-15T18:59:54Z)
• Recovering Fine Details for Neural Implicit Surface Reconstruction [3.9702081347126943]
  そこで我々はD-NeuSを提案する。D-NeuSは、微細な幾何学的詳細を復元できるボリュームレンダリング型ニューラル暗示表面再構成法である。 我々は,SDFゼロクロスの補間により表面点に多視点の特徴的整合性を付与する。 本手法は,高精度な表面を細部で再構成し,その性能を向上する。
  論文  参考訳（メタデータ） (2022-11-21T10:06:09Z)
• NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction [88.02850205432763]
  物体やシーンを2次元画像入力から高忠実度に再構成するニュートラルサーフェス(NeuS)を提案する。 DVRやIDRのような既存の神経表面再構成アプローチでは、フォアグラウンドマスクを監督する必要がある。 本研究では,従来のボリュームレンダリング手法が表面再構成に固有の幾何学的誤差を引き起こすことを観察する。 マスクの監督なしでもより正確な表面再構成を実現するため,第一次近似ではバイアスのない新しい定式化を提案する。
  論文  参考訳（メタデータ） (2021-06-20T12:59:42Z)
• UNISURF: Unifying Neural Implicit Surfaces and Radiance Fields for Multi-View Reconstruction [61.17219252031391]
  ニューラル暗黙的3D表現を用いた多視点画像から表面を再構築する新しい手法を提案する。 我々の重要な洞察は、暗黙の曲面モデルと放射場を統一的に定式化し、表面および体積のレンダリングを可能にすることである。 実験により, マスクを必要とせず, idrと同等の性能を保ちつつ, 再構成品質でnrfを上回った。
  論文  参考訳（メタデータ） (2021-04-20T15:59:38Z)

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。