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

• 3D Hole Filling using Deep Learning Inpainting [0.0]
  本稿では,ニューラルネットワークによる2Dインペインティングを組み込んで3次元表面を効果的に再構築する手法を提案する。 カスタマイズされたニューラルネットワークは、100万以上の曲率画像を含むデータセットでトレーニングされました。 この戦略により,入力データからパターンの学習と一般化が可能となり,正確な3次元表面の開発が可能となった。
  論文  参考訳（メタデータ） (2024-07-25T09:36:37Z)
• InfoNorm: Mutual Information Shaping of Normals for Sparse-View Reconstruction [15.900375207144759]
  多視点画像からの3次元表面再構成はシーン理解とインタラクションに不可欠である。 ニューラルレージアンス場(NeRF)や符号付き距離関数(SDF)といった近年の暗黙的な表面表現は、観測情報の欠如を解決するために様々な幾何学的先行法を用いている。 本稿では,高度に相関したシーンポイントの表面正規化における相互情報を明確に促進することにより,幾何学的モデリングの正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-17T15:46:25Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• 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)
• Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
  そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。 提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。 本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
  論文  参考訳（メタデータ） (2022-03-18T01:42:59Z)
• H3D-Net: Few-Shot High-Fidelity 3D Head Reconstruction [27.66008315400462]
  表面形状を暗黙的に表現する最近の学習手法は、多視点3次元再構成の問題において顕著な結果を示している。 我々はこれらの制限を,数発のフル3次元頭部再構成の特定の問題に対処する。 暗黙の表現を用いて,数千個の不完全な生スキャンから3次元頭部形状モデルを学習する。
  論文  参考訳（メタデータ） (2021-07-26T23:04:18Z)
• 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。