論文の概要: MARF: The Medial Atom Ray Field Object Representation

• arxiv url: http://arxiv.org/abs/2307.00037v1
• Date: Fri, 30 Jun 2023 08:51:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-05 18:19:44.584220
• Title: MARF: The Medial Atom Ray Field Object Representation
• Title（参考訳）: MARF: The Medial Atom Ray Field Object Representation
• Authors: Peder Bergebakken Sundt, Theoharis Theoharis
• Abstract要約: Medial Atom Ray Fields (MARF) は、カメラ線毎の単一のネットワーク評価で正確な微分可能な表面レンダリングを可能にする、新しいニューラルオブジェクト表現である。 MARFはどちらも、より安価な幾何学的に接地された表面正規化をもたらす固体幾何学の二重表現である中間形状表現を用いて対処する。
• 参考スコア（独自算出の注目度）: 2.030567625639093
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose Medial Atom Ray Fields (MARFs), a novel neural object representation that enables accurate differentiable surface rendering with a single network evaluation per camera ray. Existing neural ray fields struggle with multi-view consistency and representing surface discontinuities. MARFs address both using a medial shape representation, a dual representation of solid geometry that yields cheap geometrically grounded surface normals, in turn enabling computing analytical curvature despite the network having no second derivative. MARFs map a camera ray to multiple medial intersection candidates, subject to ray-sphere intersection testing. We illustrate how the learned medial shape quantities applies to sub-surface scattering, part segmentation, and aid representing a space of articulated shapes. Able to learn a space of shape priors, MARFs may prove useful for tasks like shape retrieval and shape completion, among others. Code and data can be found at https://github.com/pbsds/MARF.
• Abstract（参考訳）: 我々は,カメラ1台のネットワーク評価で正確な微分可能な表面レンダリングを可能にする,新しいニューラルオブジェクト表現であるMedial Atom Ray Fields (MARFs)を提案する。 既存のニューラルネットワークは、多視点一貫性と表面の不連続を表現している。 marfsは、安価な幾何学的接地面正規値を生成する固体幾何学の二重表現であるメディアル形状表現を使用して、ネットワークが第2の微分を持たないにもかかわらず解析的な曲率を計算することができる。 marfsは、カメラの光線を複数の内側の交叉候補にマッピングし、光-球の交叉試験を行う。 学習したメディアル形状量は, 地下散乱, 部分分節化, および関節形状の空間表現にどのように適用されるかを示す。 形状事前の空間を学べるほど、MARFは形状検索や形状完備化といったタスクに有用であることが証明される。 コードとデータはhttps://github.com/pbsds/MARFで確認できる。

関連論文リスト

• Geometry Distributions [51.4061133324376]
  本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。 提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。 本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-25T04:06:48Z)
• Surface Reconstruction from Point Clouds via Grid-based Intersection Prediction [12.329450385760051]
  本稿では,点対の線分と暗黙曲面との交点を直接予測する手法を提案する。 提案手法は,ShapeNet,MGN,ScanNetの3つのデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2024-03-21T02:31:17Z)
• Surf-D: Generating High-Quality Surfaces of Arbitrary Topologies Using Diffusion Models [83.35835521670955]
  Surf-Dは任意の位相を持つ表面として高品質な3次元形状を生成する新しい方法である。 非符号距離場(UDF)を曲面表現として用いて任意の位相を許容する。 また、ポイントベースのAutoEncoderを用いて、UDFを正確に符号化するためのコンパクトで連続的な潜在空間を学習する新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-11-28T18:56:01Z)
• EndoSurf: Neural Surface Reconstruction of Deformable Tissues with Stereo Endoscope Videos [72.59573904930419]
  ステレオ内視鏡ビデオから軟組織を再構成することは、多くの医療応用にとって必須の前提条件である。 従来の手法では、3Dシーンの表現が不十分なため、高品質な幾何学や外観を作り出すのに苦労していた。 本稿では,RGBD配列から変形面を効果的に表現する神経場に基づく新しい手法であるEndoSurfを提案する。
  論文  参考訳（メタデータ） (2023-07-21T02:28:20Z)
• Towards General-Purpose Representation Learning of Polygonal Geometries [62.34832826705641]
  我々は,多角形形状を埋め込み空間に符号化できる汎用多角形符号化モデルを開発した。 1)MNISTに基づく形状分類,2)DBSR-46KとDBSR-cplx46Kという2つの新しいデータセットに基づく空間関係予測を行う。 以上の結果から,NUFTspec と ResNet1D は,既存のベースラインよりも有意なマージンで優れていた。
  論文  参考訳（メタデータ） (2022-09-29T15:59:23Z)
• Laplacian2Mesh: Laplacian-Based Mesh Understanding [4.808061174740482]
  我々は3次元トライアングルメッシュのための新しいフレキシブル畳み込みニューラルネットワーク(CNN)モデルであるLaplacian2Meshを紹介した。 メッシュプーリングはラプラシアンの多空間変換によりネットワークの受容場を拡張するために適用される。 3Dメッシュに適用されたさまざまな学習タスクの実験は、Laplacian2Meshの有効性と効率を実証している。
  論文  参考訳（メタデータ） (2022-02-01T10:10:13Z)
• DD-NeRF: Double-Diffusion Neural Radiance Field as a Generalizable Implicit Body Representation [17.29933848598768]
  本稿では,人体形状と外見を任意の入力ビューから表現するための新しい一般化可能な暗黙の場DD-NeRFを提案する。 様々なデータセットの実験により,提案手法は幾何再構成と新規なビュー合成品質の両方において,従来よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-12-23T07:30:22Z)
• Medial Spectral Coordinates for 3D Shape Analysis [7.575108640938671]
  本稿では,スペクトル座標に媒介(オブジェクト幅)情報を加え,それらを強化することを提案する。 鍵となるアイデアは、隣接行列の重みを通して、中間球を共有する曲面点を結合することである。 我々は、このアイデアとそれを計算するアルゴリズムを用いてスペクトル機能を開発する。
  論文  参考訳（メタデータ） (2021-11-26T02:21:49Z)
• Learning Signal-Agnostic Manifolds of Neural Fields [50.066449953522685]
  ニューラルネットワークを利用して、画像、形状、オーディオ、およびモーダル・オーディオヴィジュアル領域の基盤となる構造を捉える。 GEMの基底多様体を横切ることで、信号領域に新しいサンプルを生成できることが示される。
  論文  参考訳（メタデータ） (2021-11-11T18:57:40Z)
• A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow Fields on Irregular Geometries [62.28265459308354]
  ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。 断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。 ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
  論文  参考訳（メタデータ） (2020-10-15T12:15:02Z)

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。