論文の概要: Weight-Aware Implicit Geometry Reconstruction with Curvature-Guided Sampling

• arxiv url: http://arxiv.org/abs/2306.02099v1
• Date: Sat, 3 Jun 2023 12:23:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 20:04:03.343432
• Title: Weight-Aware Implicit Geometry Reconstruction with Curvature-Guided Sampling
• Title（参考訳）: 曲率誘導サンプリングによる重み付き入射幾何再構成
• Authors: Lu Sang and Abhishek Saroha and Maolin Gao and Daniel Cremers
• Abstract要約: 本稿では,トレーニングポイント内で効果的に補間し,外挿する手法を提案する。 また、微分可能な幾何学的性質を効率的に計算する手法も導入する。 本研究では,表面抽出を効率化するだけでなく,非閉鎖面にも拡張できる暗黙的ニューラル表現を提案する。
• 参考スコア（独自算出の注目度）: 45.99648645271758
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neural surface implicit representations offer numerous advantages, including the ability to easily modify topology and surface resolution. However, reconstructing implicit geometry representation with only limited known data is challenging. In this paper, we present an approach that effectively interpolates and extrapolates within training points, generating additional training data to reconstruct a surface with superior qualitative and quantitative results. We also introduce a technique that efficiently calculates differentiable geometric properties, i.e., mean and Gaussian curvatures, to enhance the sampling process during training. Additionally, we propose a weight-aware implicit neural representation that not only streamlines surface extraction but also extend to non-closed surfaces by depicting non-closed areas as locally degenerated patches, thereby mitigating the drawbacks of the previous assumption in implicit neural representations.
• Abstract（参考訳）: ニューラル曲面の暗黙表現は、トポロジーや表面分解能を容易に変更できるなど、多くの利点がある。 しかしながら、既知のデータのみによる暗黙的な幾何学表現の再構築は困難である。 本稿では,訓練点内を効果的に補間・外挿し,定性的かつ定量的な結果で表面を再構築するための追加トレーニングデータを生成するアプローチを提案する。 また, 平均およびガウス曲率の微分可能な幾何特性を効率的に計算し, トレーニング中のサンプリングプロセスを向上する手法も導入する。 さらに,非閉鎖領域を局所的な非生成パッチとして表現することで,表面抽出を効率化するだけでなく,非閉鎖領域を暗黙的ニューラル表現における以前の仮定の欠点を緩和する。

関連論文リスト

• Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction [48.30341580103962]
  本稿では、これらの問題に対処するために、新しい再視覚的二重ドメイン自己教師型深層展開ネットワークを提案する。 エンド・ツー・エンドの再構築を実現するために,シャンブルとポック・プロキシ・ポイント・アルゴリズム(DUN-CP-PPA)に基づく深層展開ネットワークを設計する。 高速MRIおよびIXIデータセットを用いて行った実験により,本手法は再建性能において最先端の手法よりも有意に優れていることが示された。
  論文  参考訳（メタデータ） (2025-01-07T12:29:32Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• Leveraging Equivariant Features for Absolute Pose Regression [9.30597356471664]
  変換と回転の同変である畳み込みニューラルネットワークは,カメラの動きの表現を直接特徴空間に誘導することを示す。 次に、この幾何学的性質により、画像平面保存変換の全グループの下でトレーニングデータを暗黙的に増大させることができることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:44:20Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)
• Monocular Real-Time Volumetric Performance Capture [28.481131687883256]
  本稿では,モノクロ映像から実時間速度でボリューム・パフォーマンス・キャプチャとノベル・ビュー・レンダリングを行うための最初のアプローチを提案する。 このシステムは,Pixel-Aligned Implicit Function (PIFu)を活用して,各フレームから完全にテクスチャ化された3次元人体を再構成する。 また,オンラインハード・サンプル・マイニング(OHEM)技術を導入し,難題の稀な発生により,障害モードを効果的に抑制する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-28T04:45:13Z)
• Deep Manifold Prior [37.725563645899584]
  本稿では,3次元形状の表面などの多様体構造データに先行する手法を提案する。 この方法で生成された曲面は滑らかであり、ガウス過程を特徴とする制限的な挙動を示し、完全連結および畳み込みネットワークに対して数学的にそのような特性を導出する。
  論文  参考訳（メタデータ） (2020-04-08T20:47:56Z)
• Deep Non-Line-of-Sight Reconstruction [18.38481917675749]
  本稿では,再構成問題を効率的に解くために,畳み込みフィードフォワードネットワークを用いる。 本研究では,自動エンコーダアーキテクチャを設計し,一貫した画像を直接深度マップ表現にマッピングする。 筆者らのフィードフォワードネットワークは,合成データのみに基づいて訓練されているものの,SPADセンサの計測データに一般化し,モデルに基づく再構成手法と競合する結果が得られることを示した。
  論文  参考訳（メタデータ） (2020-01-24T16:05:50Z)

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。