論文の概要: Neural radiance fields in the industrial and robotics domain: applications, research opportunities and use cases

• arxiv url: http://arxiv.org/abs/2308.07118v1
• Date: Mon, 14 Aug 2023 12:57:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 13:17:39.455260
• Title: Neural radiance fields in the industrial and robotics domain: applications, research opportunities and use cases
• Title（参考訳）: 産業・ロボティクス領域における神経放射領域:応用,研究の機会とユースケース
• Authors: Eugen \v{S}lapak, Enric Pardo, Mat\'u\v{s} Dopiriak, Taras Maksymyuk and Juraj Gazda
• Abstract要約: 本稿では,産業領域におけるニューラル放射場(NeRF)の可能性を示す一連の概念実証実験を紹介する。 ビデオ圧縮実験では,1920x1080,300x168の解像度で最大48%,74%の圧縮保存が可能であった。 運動推定実験では、ロボットアームの3Dアニメーションを使用してDynamicNeRF(D-NeRF)を訓練し、平均差マップPSNRが23dB、S-SIMが0.97に達した。
• 参考スコア（独自算出の注目度）: 0.9642500063568189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of technologies, such as extended reality (XR), has increased the demand for high-quality three-dimensional (3D) graphical representations. Industrial 3D applications encompass computer-aided design (CAD), finite element analysis (FEA), scanning, and robotics. However, current methods employed for industrial 3D representations suffer from high implementation costs and reliance on manual human input for accurate 3D modeling. To address these challenges, neural radiance fields (NeRFs) have emerged as a promising approach for learning 3D scene representations based on provided training 2D images. Despite a growing interest in NeRFs, their potential applications in various industrial subdomains are still unexplored. In this paper, we deliver a comprehensive examination of NeRF industrial applications while also providing direction for future research endeavors. We also present a series of proof-of-concept experiments that demonstrate the potential of NeRFs in the industrial domain. These experiments include NeRF-based video compression techniques and using NeRFs for 3D motion estimation in the context of collision avoidance. In the video compression experiment, our results show compression savings up to 48\% and 74\% for resolutions of 1920x1080 and 300x168, respectively. The motion estimation experiment used a 3D animation of a robotic arm to train Dynamic-NeRF (D-NeRF) and achieved an average disparity map PSNR of 23 dB and an SSIM of 0.97. The code for our experiments is publicly available at https://github.com/Maftej/iisnerf .
• Abstract（参考訳）: 拡張現実(XR)のような技術の普及は、高品質な3次元グラフィカル表現の需要を増大させてきた。 産業用3Dアプリケーションは、コンピュータ支援設計(CAD)、有限要素解析(FEA)、走査、ロボット工学を含む。 しかし, 産業用3d表現に用いられている手法は, 高い実装コストと, 正確な3dモデリングのための手作業による入力に依存する。 これらの課題に対処するために、ニューラルネットワーク(NeRF)は、提供されたトレーニング2D画像に基づいて3Dシーン表現を学習するための有望なアプローチとして登場した。 NeRFへの関心が高まりつつあるにもかかわらず、様々な産業サブドメインでの潜在的な応用はいまだ研究されていない。 本稿では,NeRF産業応用の総合的な検討と今後の研究の方向性について述べる。 産業領域におけるNeRFの可能性を示す一連の概念実証実験も提示する。 これらの実験には、NeRFに基づくビデオ圧縮技術や、衝突回避の文脈における3次元運動推定にNeRFを用いている。 ビデオ圧縮実験では,1920x1080 および 300x168 の解像度に対して最大 48\% と 74\% の圧縮削減効果を示した。 運動推定実験では、ロボットアームの3Dアニメーションを使ってDynamic-NeRF(D-NeRF)を訓練し、平均差マップPSNRが23dB、SSIMが0.97に達した。 私たちの実験のコードはhttps://github.com/maftej/iisnerfで公開されています。

関連論文リスト

• GHNeRF: Learning Generalizable Human Features with Efficient Neural Radiance Fields [12.958200963257381]
  我々は,人体の2D/3D関節位置をNeRF表現で学習することで,限界に対処するために設計されたGHNeRFを紹介する。 GHNeRFは、トレーニング済みの2Dエンコーダを使用して、2D画像から重要な人間の特徴を抽出し、NeRFフレームワークに組み込まれる。 以上の結果から,GHNeRFは最先端の成果をほぼリアルタイムに達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-04-09T12:11:25Z)
• NeRF-MAE: Masked AutoEncoders for Self-Supervised 3D Representation Learning for Neural Radiance Fields [57.617972778377215]
  提案手法は,RGB画像から有効な3D表現を生成する方法を示す。 我々は、この表現を、提案した擬似RGBデータに基づいて、180万枚以上の画像で事前訓練する。 我々は,NeRFの自己教師型プレトレーニングであるNeRF-MAE(NeRF-MAE)を目覚ましいスケールで実施し,様々な3Dタスクの性能向上を実現した。
  論文  参考訳（メタデータ） (2024-04-01T17:59:55Z)
• Hyperspectral Neural Radiance Fields [11.485829401765521]
  ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。 NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。 提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
  論文  参考訳（メタデータ） (2024-03-21T21:18:08Z)
• NeRF-Det: Learning Geometry-Aware Volumetric Representation for Multi-View 3D Object Detection [65.02633277884911]
  提案するNeRF-Detは,RGB画像を入力として室内3次元検出を行う新しい手法である。 提案手法は3次元形状を明示的に推定するため, エンドツーエンドでNeRFを用いて3次元検出性能を向上する。
  論文  参考訳（メタデータ） (2023-07-27T04:36:16Z)
• BeyondPixels: A Comprehensive Review of the Evolution of Neural Radiance Fields [1.1531932979578041]
  NeRF(Neural Radiance Fieldsの略)は、AIアルゴリズムを使用して2D画像から3Dオブジェクトを生成する最近のイノベーションである。 この調査は、最近のNeRFの進歩を概観し、それらのアーキテクチャ設計に従って分類する。
  論文  参考訳（メタデータ） (2023-06-05T16:10:21Z)
• Neural Radiance Fields: Past, Present, and Future [0.0]
  MildenhallらがNeRFに関する論文で行った試みは、コンピュータグラフィックス、ロボティクス、コンピュータビジョンのブームにつながり、高解像度の低ストレージ拡張現実と仮想現実ベースの3Dモデルは、NeRFに関連する1000以上のプレプリントのリセットから注目を集めている。 このサーベイは、レンダリング、インプリシトラーニング、NeRFの歴史、NeRFの研究の進展、そして今日の世界のNeRFの潜在的な応用と意味を提供する。
  論文  参考訳（メタデータ） (2023-04-20T02:17:08Z)
• NeRF-GAN Distillation for Efficient 3D-Aware Generation with Convolutions [97.27105725738016]
  GAN(Generative Adversarial Networks)のようなニューラルラジアンスフィールド(NeRF)と生成モデルの統合は、単一ビュー画像から3D認識生成を変換した。 提案手法は,ポーズ条件付き畳み込みネットワークにおいて,事前学習したNeRF-GANの有界遅延空間を再利用し,基礎となる3次元表現に対応する3D一貫性画像を直接生成する手法である。
  論文  参考訳（メタデータ） (2023-03-22T18:59:48Z)
• NerfDiff: Single-image View Synthesis with NeRF-guided Distillation from 3D-aware Diffusion [107.67277084886929]
  単一の画像からの新しいビュー合成には、オブジェクトやシーンの隠蔽領域を推論すると同時に、入力とのセマンティックおよび物理的整合性を同時に維持する必要がある。 そこで我々は,NerfDiffを提案する。NerfDiffは3D対応条件拡散モデル(CDM)の知識を,テスト時に仮想ビューの集合を合成・精製することで,NeRFに抽出することでこの問題に対処する。 さらに,CDMサンプルから3次元一貫した仮想ビューを同時に生成し,改良された仮想ビューに基づいてNeRFを微調整する新しいNeRF誘導蒸留アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-20T17:12:00Z)
• 3D Reconstruction of Non-cooperative Resident Space Objects using Instant NGP-accelerated NeRF and D-NeRF [0.0]
  この研究は、ニューラル放射場(NeRF)アルゴリズムの変動であるInstant NeRFとD-NeRFを軌道上のRSOをマッピングする問題に適応させる。 これらのアルゴリズムは、宇宙船モックアップの画像のデータセットを用いて、3次元再構成の品質とハードウェア要件を評価する。
  論文  参考訳（メタデータ） (2023-01-22T05:26:08Z)
• DRaCoN -- Differentiable Rasterization Conditioned Neural Radiance Fields for Articulated Avatars [92.37436369781692]
  フルボディの体積アバターを学習するためのフレームワークであるDRaCoNを提案する。 2Dと3Dのニューラルレンダリング技術の利点を利用する。 挑戦的なZJU-MoCapとHuman3.6Mデータセットの実験は、DRaCoNが最先端の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2022-03-29T17:59:15Z)
• Mega-NeRF: Scalable Construction of Large-Scale NeRFs for Virtual Fly-Throughs [54.41204057689033]
  我々は、ニューラルネットワーク(NeRF)を活用して、建物にまたがる大規模な視覚的キャプチャーや、主にドローンデータから収集された複数の都市ブロックからインタラクティブな3D環境を構築する方法について検討する。 NeRFが伝統的に評価されている単一のオブジェクトシーンとは対照的に、この設定には複数の課題がある。 我々は、訓練画像(またはむしろピクセル)を、並列で訓練できる異なるNeRFサブモジュールに分割する単純なクラスタリングアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2021-12-20T17:40:48Z)

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。