論文の概要: Pix2Repair: Implicit Shape Restoration from Images
- arxiv url: http://arxiv.org/abs/2305.18273v3
- Date: Wed, 20 Dec 2023 05:00:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 19:10:17.917096
- Title: Pix2Repair: Implicit Shape Restoration from Images
- Title（参考訳）: Pix2Repair:画像から形状を復元する
- Authors: Xinchao Song, Nikolas Lamb, Sean Banerjee, Natasha Kholgade Banerjee
- Abstract要約: Pix2Repairは、壊れた物体の画像を入力として、自動的に3Dプリント可能な復元形状を生成する。
また、Fantastic Breaks Imagedも導入しました。これは、骨折した物体の11,653個の実世界の画像の大規模なデータセットです。
- 参考スコア（独自算出の注目度）: 7.663519916453075
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Pix2Repair, an automated shape repair approach that generates
restoration shapes from images to repair fractured objects. Prior repair
approaches require a high-resolution watertight 3D mesh of the fractured object
as input. Input 3D meshes must be obtained using expensive 3D scanners, and
scanned meshes require manual cleanup, limiting accessibility and scalability.
Pix2Repair takes an image of the fractured object as input and automatically
generates a 3D printable restoration shape. We contribute a novel shape
function that deconstructs a latent code representing the fractured object into
a complete shape and a break surface. We also introduce Fantastic Breaks
Imaged, the first large-scale dataset of 11,653 real-world images of fractured
objects for training and evaluating image-based shape repair approaches. Our
dataset contains images of objects from Fantastic Breaks, complete with rich
annotations. We show restorations for real fractures from our dataset, and for
synthetic fractures from the Geometric Breaks and Breaking Bad datasets. Our
approach outperforms shape completion approaches adapted for shape repair in
terms of chamfer distance, normal consistency, and percent restorations
generated.
- Abstract（参考訳）: Pix2Repairは、画像から復元形状を生成し、破折した物体を修復する自動形状修復手法である。
以前の修理アプローチでは、入力として破砕した物体の高分解能の防水3dメッシュが必要だった。
入力3Dメッシュは高価な3Dスキャナーを使用して取得し、スキャンされたメッシュは手作業によるクリーンアップ、アクセシビリティとスケーラビリティの制限を必要とする。
Pix2Repairは、壊れた物体の画像を入力として、自動的に3Dプリント可能な復元形状を生成する。
本稿では, 破壊対象を表す潜在符号を, 完全な形状と破壊面に分解する新しい形状関数を提案する。
また,画像に基づく形状復元手法をトレーニングし評価するために,11,653個の実世界画像の大規模データセットであるファンタスティック・ブレイクズ・イメージdを導入する。
私たちのデータセットにはFantastic Breaksからのオブジェクトの画像が含まれています。
我々は、データセットから実際の骨折を修復し、Geometric BreaksとBreaking Badデータセットから合成骨折を修復する。
本手法は, 形状補修に適応した形状補修アプローチよりも, シャムハ距離, 正規性, 修復率の点で優れている。
関連論文リスト
- Fantastic Breaks: A Dataset of Paired 3D Scans of Real-World Broken
Objects and Their Complete Counterparts [0.5572870549559665]
Fantastic Breaksは、150個の壊れたオブジェクトに対してスキャンされ、防水され、クリーン化された3Dメッシュを含むデータセットです。
Fantastic Breaksには、クラスとマテリアルラベル、壊れたメッシュと結合するプロキシ修復部品、手動でアノテートされた破壊境界が含まれている。
複数の学習手法を用いたファンタスティックブレイクによる形状修復評価実験を行った。
論文 参考訳（メタデータ） (2023-03-24T17:03:40Z) - DeepJoin: Learning a Joint Occupancy, Signed Distance, and Normal Field
Function for Shape Repair [0.684225774857327]
DeepJoinは、ディープニューラルネットワークを使用して骨折形状の高精度な修復を生成するための、自動化されたアプローチである。
本稿では, 占有機能, 符号付き距離関数, 正常場を組み合わせた, 破面形状修復のための新しい暗黙的形状表現法を提案する。
論文 参考訳（メタデータ） (2022-11-22T16:44:57Z) - DeepMend: Learning Occupancy Functions to Represent Shape for Repair [0.6087960723103347]
DeepMendは、学習された占有機能を使って骨折形状の修復を再構築する新しいアプローチである。
本研究は, フラクチャー形状の占有を, 基礎となる完全形状の占有と破壊面との結合として表現する。
人工および実世界の走査対象物に模擬骨折を施行し, 実破折マグカップを採取した。
論文 参考訳（メタデータ） (2022-10-11T18:42:20Z) - Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。
以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。
本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
論文 参考訳（メタデータ） (2022-04-09T03:46:18Z) - Pop-Out Motion: 3D-Aware Image Deformation via Learning the Shape
Laplacian [58.704089101826774]
形状分類と変形型に最小限の制約を課した3次元画像変形法を提案する。
点雲として表される3次元再構成の基底体積のラプラシアン形状を予測するために,教師付き学習に基づくアプローチを採用する。
実験では,2次元キャラクタと人間の衣料画像の変形実験を行った。
論文 参考訳（メタデータ） (2022-03-29T04:57:18Z) - Unsupervised Severely Deformed Mesh Reconstruction (DMR) from a
Single-View Image [26.464091507125826]
単視点画像から3次元形状を推定するテンプレートベースの手法を導入し、再構成メッシュを下流タスクに適用する。
本手法は3次元メッシュを忠実に再構築し,魚の群集長計測における最先端の精度を実現する。
論文 参考訳（メタデータ） (2022-01-23T21:46:30Z) - Object Wake-up: 3-D Object Reconstruction, Animation, and in-situ
Rendering from a Single Image [58.69732754597448]
椅子の写真があれば、椅子の3次元形状を抽出し、その可愛らしい調音や動きをアニメーション化し、元の画像空間でその場でレンダリングできるだろうか?
単一画像中の調音対象を抽出・操作するための自動アプローチを考案する。
論文 参考訳（メタデータ） (2021-08-05T16:20:12Z) - From Points to Multi-Object 3D Reconstruction [71.17445805257196]
単一のRGB画像から複数の3Dオブジェクトを検出し再構成する方法を提案する。
キーポイント検出器は、オブジェクトを中心点としてローカライズし、9-DoF境界ボックスや3D形状を含む全てのオブジェクト特性を直接予測する。
提示されたアプローチは、軽量な再構築を単一ステージで実行し、リアルタイム能力を持ち、完全に微分可能で、エンドツーエンドのトレーナーブルである。
論文 参考訳（メタデータ） (2020-12-21T18:52:21Z) - 3DBooSTeR: 3D Body Shape and Texture Recovery [76.91542440942189]
3DBooSTeRは、部分的な3Dスキャンからテクスチャ化された3Dボディメッシュを復元する新しい方法である。
提案手法は形状とテクスチャの完成を2つの逐次的なタスクに分解する。
論文 参考訳（メタデータ） (2020-10-23T21:07:59Z) - AutoSweep: Recovering 3D Editable Objectsfrom a Single Photograph [54.701098964773756]
セマンティックな部分で3Dオブジェクトを復元し、直接編集することを目的としている。
我々の研究は、一般化された立方体と一般化されたシリンダーという、2種類の原始的な形状の物体を回収する試みである。
提案アルゴリズムは,高品質な3Dモデルを復元し,既存手法のインスタンスセグメンテーションと3D再構成の両方で性能を向上する。
論文 参考訳（メタデータ） (2020-05-27T12:16:24Z) - Single-View 3D Object Reconstruction from Shape Priors in Memory [15.641803721287628]
単一視点3次元オブジェクト再構成のための既存の方法は、高品質な3次元形状を再構築するのに十分な情報を含んでいない。
本稿では,画像中の不足情報を補うために,形状先行を明示的に構成するMem3Dという新しい手法を提案する。
また,入力画像と高い関連性を有する正確な3次元形状の検索を支援するボクセル三重項損失関数を提案する。
論文 参考訳（メタデータ） (2020-03-08T03:51:07Z)
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。