論文の概要: Reassembling Broken Objects using Breaking Curves

• arxiv url: http://arxiv.org/abs/2306.02782v1
• Date: Mon, 5 Jun 2023 11:16:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 15:30:53.127688
• Title: Reassembling Broken Objects using Breaking Curves
• Title（参考訳）: 破砕曲線を用いた破砕物体の再集合
• Authors: Ali Alagrami, Luca Palmieri, Sinem Aslan, Marcello Pelillo, Sebastiano Vascon
• Abstract要約: うまく一般化する堅牢なソリューションは、さまざまなタイプの壊れたオブジェクトに関連する多様なパターンを扱う必要があります。 本稿では,物体の種類に依存しない3次元点雲のペア組立に取り組む手法を提案する。 その結果, 異なる種類の壊れたオブジェクトの再集合において, 解法は良好に機能することがわかった。
• 参考スコア（独自算出の注目度）: 11.679900805394816
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reassembling 3D broken objects is a challenging task. A robust solution that generalizes well must deal with diverse patterns associated with different types of broken objects. We propose a method that tackles the pairwise assembly of 3D point clouds, that is agnostic on the type of object, and that relies solely on their geometrical information, without any prior information on the shape of the reconstructed object. The method receives two point clouds as input and segments them into regions using detected closed boundary contours, known as breaking curves. Possible alignment combinations of the regions of each broken object are evaluated and the best one is selected as the final alignment. Experiments were carried out both on available 3D scanned objects and on a recent benchmark for synthetic broken objects. Results show that our solution performs well in reassembling different kinds of broken objects.
• Abstract（参考訳）: 3Dの壊れたオブジェクトを再組み立てするのは難しい作業です。 うまく一般化する堅牢なソリューションは、さまざまなタイプの壊れたオブジェクトに関連する多様なパターンを扱う必要があります。 本研究では,物体の種類に依存しない3次元点雲の対の組立に取り組み,その形状に関する事前情報を持たない幾何学的情報にのみ依存する手法を提案する。 この方法は入力として2点の雲を受信し、検出された閉境界輪郭を用いて領域に分割する。 各壊れたオブジェクトの領域の可能なアライメントの組み合わせを評価し、最善のアライメントを最終アライメントとして選択する。 利用可能な3dスキャンされたオブジェクトと、最近の合成破壊オブジェクトのベンチマークの両方で実験が行われた。 その結果, 異なる種類の壊れたオブジェクトの再集合において, ソリューションは良好に動作することがわかった。

関連論文リスト

• OGC: Unsupervised 3D Object Segmentation from Rigid Dynamics of Point Clouds [4.709764624933227]
  OGCと呼ばれる最初の教師なしの手法を提案し、同時に複数の3Dオブジェクトを1つの前方通過で識別する。 提案手法を5つのデータセット上で広範囲に評価し,オブジェクト部分のインスタンスセグメンテーションにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2022-10-10T07:01:08Z)
• Unsupervised Kinematic Motion Detection for Part-segmented 3D Shape Collections [14.899075941080541]
  本研究では,部分分割型3次元形状収集における調音運動の発見のための教師なしアプローチを提案する。 私たちのアプローチは、カテゴリクロージャと呼ばれる概念に基づいています。オブジェクトの部分の有効な記述は、オブジェクトを同じ意味圏に保つべきです。 我々は、PartNet-Mobilityデータセットから部品の動きを再発見するためにこれを用いてアプローチを評価した。
  論文  参考訳（メタデータ） (2022-06-17T00:50:36Z)
• Topologically Persistent Features-based Object Recognition in Cluttered Indoor Environments [1.2691047660244335]
  見えない屋内環境における隠蔽物体の認識は、移動ロボットにとって困難な問題である。 本研究では,物体点雲の3次元形状を捉えるスライシングに基づく新しいトポロジカルディスクリプタを提案する。 これは、隠蔽対象のディスクリプタとそれに対応する非隠蔽対象との類似性を生じさせ、オブジェクトのユニティに基づく認識を可能にする。
  論文  参考訳（メタデータ） (2022-05-16T07:01:16Z)
• Approximate Convex Decomposition for 3D Meshes with Collision-Aware Concavity and Tree Search [23.52274863244624]
  近似凸分解は、3次元形状をほぼ凸成分の集合に分解することを目的としている。 ゲームエンジン、物理シミュレーション、アニメーションで広く使われている。 本稿では,既存のアプローチの限界を3つの視点から解決する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-05T23:40:15Z)
• Discovering 3D Parts from Image Collections [98.16987919686709]
  本稿では,2次元画像収集のみによる3次元部分発見の問題に対処する。 そこで我々は,手動で注釈付部品を監督する代わりに,自己監督型アプローチを提案する。 私たちのキーとなる洞察は、前もって新しい部分の形状を学習することで、各部分は、単純な幾何学を持つように制約されたまま、忠実にオブジェクトの形状に適合できるようにします。
  論文  参考訳（メタデータ） (2021-07-28T20:29:16Z)
• 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)
• Learning Geometry-Disentangled Representation for Complementary Understanding of 3D Object Point Cloud [50.56461318879761]
  3次元画像処理のためのGDANet(Geometry-Disentangled Attention Network)を提案する。 GDANetは、点雲を3Dオブジェクトの輪郭と平らな部分に切り離し、それぞれ鋭い変化成分と穏やかな変化成分で表される。 3Dオブジェクトの分類とセグメンテーションベンチマークの実験は、GDANetがより少ないパラメータで最先端の処理を実現していることを示している。
  論文  参考訳（メタデータ） (2020-12-20T13:35:00Z)
• 3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
  点雲は3次元オブジェクト分類において一般的な形状表現である。 本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。 本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-18T04:00:56Z)
• Canonical 3D Deformer Maps: Unifying parametric and non-parametric methods for dense weakly-supervised category reconstruction [79.98689027127855]
  独立オブジェクトの2次元画像の集合から学習できる共通オブジェクトカテゴリの3次元形状の表現を提案する。 提案手法は, パラメトリック変形モデル, 非パラメトリック3次元再構成, 標準埋め込みの概念に基づく新しい手法で構築する。 顔、車、鳥の野生のデータセットを3Dで再現することで、最先端の成果が得られます。
  論文  参考訳（メタデータ） (2020-08-28T15:44:05Z)
• 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)

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。