論文の概要: Surface Geometry Processing: An Efficient Normal-based Detail Representation

• arxiv url: http://arxiv.org/abs/2307.07945v1
• Date: Sun, 16 Jul 2023 04:46:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 16:50:41.734013
• Title: Surface Geometry Processing: An Efficient Normal-based Detail Representation
• Title（参考訳）: 表面幾何処理 : 効率的正規化による詳細表現
• Authors: Wuyuan Xie, Miaohui Wang, Di Lin, Boxin Shi, and Jianmin Jiang
• Abstract要約: 2次元正規領域に効率的な表面詳細処理フレームワークを導入する。 提案する正規表現は,細部分離性,細部転送性,細部イデオロジェンスという3つの重要な特性を持つことを示す。 3つの新しいスキームは、幾何学的テクスチャ合成、幾何学的ディテール転送、3次元表面超解像を含む幾何学的表面詳細処理の応用のために設計されている。
• 参考スコア（独自算出の注目度）: 66.69000350849328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of high-resolution 3D vision applications, the traditional way of manipulating surface detail requires considerable memory and computing time. To address these problems, we introduce an efficient surface detail processing framework in 2D normal domain, which extracts new normal feature representations as the carrier of micro geometry structures that are illustrated both theoretically and empirically in this article. Compared with the existing state of the arts, we verify and demonstrate that the proposed normal-based representation has three important properties, including detail separability, detail transferability and detail idempotence. Finally, three new schemes are further designed for geometric surface detail processing applications, including geometric texture synthesis, geometry detail transfer, and 3D surface super-resolution. Theoretical analysis and experimental results on the latest benchmark dataset verify the effectiveness and versatility of our normal-based representation, which accepts 30 times of the input surface vertices but at the same time only takes 6.5% memory cost and 14.0% running time in comparison with existing competing algorithms.
• Abstract（参考訳）: 高分解能の3dビジョンアプリケーションの開発が急速に進み、従来の表面ディテールを操作する方法は、かなりのメモリと計算時間を必要とする。 これらの問題に対処するために,我々は2次元正規領域における効率的な表面詳細処理フレームワークを導入し,理論上も経験上も説明されるマイクロ幾何学構造のキャリアとして,新しい正規特徴表現を抽出する。 既存の美術品と比較して,提案する正規表現には,細部分離性,細部移動性,細部イデオロジェンスといった3つの重要な特性があることを確認した。 最後に、幾何学的テクスチャ合成、幾何学的ディテール変換、3次元表面超解像を含む幾何学的表面詳細処理アプリケーションのために、3つの新しいスキームが設計されている。 最新のベンチマークデータセットの理論的解析と実験結果から,入力面頂点の30倍の精度を持つ正規表現の有効性と汎用性を検証すると同時に,既存の競合アルゴリズムと比較して,メモリコスト6.5%,実行時間14.0%しか必要としない。

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)
• Multi-task Geometric Estimation of Depth and Surface Normal from Monocular 360° Images [45.051325655043634]
  360deg画像から深度と表面の正規度を同時に推定する新しいマルチタスク学習(MTL)ネットワークを導入する。 実験結果から, MTLアーキテクチャは, 深さおよび表面の正規分布推定において, 最先端の手法よりも有意に優れていた。 我々のモデルの有効性と一般化性、特に複雑な表面テクスチャを扱う場合、360deg画像幾何推定における新しいベンチマークとして確立する。
  論文  参考訳（メタデータ） (2024-11-04T02:20:22Z)
• GigaGS: Scaling up Planar-Based 3D Gaussians for Large Scene Surface Reconstruction [71.08607897266045]
  3D Gaussian Splatting (3DGS) は新規なビュー合成において有望な性能を示した。 本研究は,大規模な景観表面再構築の課題に取り組むための最初の試みである。 3DGSを用いた大規模シーンのための高品質な表面再構成手法であるGigaGSを提案する。
  論文  参考訳（メタデータ） (2024-09-10T17:51:39Z)
• Spurfies: Sparse Surface Reconstruction using Local Geometry Priors [8.260048622127913]
  我々はスパースビュー表面再構成の新しい手法であるSpurfiesを紹介した。 それは、合成データに基づいて訓練された局所幾何学的先行情報を利用するために、外観と幾何学的情報を切り離す。 提案手法をDTUデータセット上で検証し,従来技術よりも表面品質が35%向上したことを示す。
  論文  参考訳（メタデータ） (2024-08-29T14:02:47Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• ActivationNet: Representation learning to predict contact quality of interacting 3-D surfaces in engineering designs [0.0]
  機械学習アプリケーションでは、三次元表面はポイントクラウドやメッシュで最も好適に表現される。 本稿では,3次元表面を相互作用する点雲やメッシュから学習し,それらの表面間の接触の質を予測する機械学習アルゴリズム ActivationNet を提案する。
  論文  参考訳（メタデータ） (2021-03-21T02:30:36Z)
• Deep Active Surface Models [60.027353171412216]
  アクティブサーフェスモデルは複雑な3次元表面をモデル化するのに有用な長い歴史を持っているが、ディープネットワークと組み合わせて使用されるのはアクティブ・コンターのみである。 グラフ畳み込みネットワークにシームレスに統合して、洗練された滑らかさを強制できるレイヤを導入します。
  論文  参考訳（メタデータ） (2020-11-17T18:48:28Z)
• Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
  1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。 ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。 提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
  論文  参考訳（メタデータ） (2020-08-18T06:33:40Z)

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。