論文の概要: DDF-HO: Hand-Held Object Reconstruction via Conditional Directed Distance Field

• arxiv url: http://arxiv.org/abs/2308.08231v3
• Date: Thu, 26 Oct 2023 07:41:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-28 01:05:52.607309
• Title: DDF-HO: Hand-Held Object Reconstruction via Conditional Directed Distance Field
• Title（参考訳）: DDF-HO:条件方向距離場を用いたハンドヘルド物体再構成
• Authors: Chenyangguang Zhang, Yan Di, Ruida Zhang, Guangyao Zhai, Fabian Manhardt, Federico Tombari and Xiangyang Ji
• Abstract要約: DDF-HOは、DDF(Directed Distance Field)を形状表現として活用する新しいアプローチである。 我々はランダムに複数の光線をサンプリングし、新しい2D線に基づく特徴集約方式を導入することにより、局所的・大域的特徴を収集する。 合成および実世界のデータセットの実験は、DFF-HOが全てのベースライン手法を大きなマージンで一貫して上回っていることを示している。
• 参考スコア（独自算出の注目度）: 82.81337273685176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing hand-held objects from a single RGB image is an important and challenging problem. Existing works utilizing Signed Distance Fields (SDF) reveal limitations in comprehensively capturing the complex hand-object interactions, since SDF is only reliable within the proximity of the target, and hence, infeasible to simultaneously encode local hand and object cues. To address this issue, we propose DDF-HO, a novel approach leveraging Directed Distance Field (DDF) as the shape representation. Unlike SDF, DDF maps a ray in 3D space, consisting of an origin and a direction, to corresponding DDF values, including a binary visibility signal determining whether the ray intersects the objects and a distance value measuring the distance from origin to target in the given direction. We randomly sample multiple rays and collect local to global geometric features for them by introducing a novel 2D ray-based feature aggregation scheme and a 3D intersection-aware hand pose embedding, combining 2D-3D features to model hand-object interactions. Extensive experiments on synthetic and real-world datasets demonstrate that DDF-HO consistently outperforms all baseline methods by a large margin, especially under Chamfer Distance, with about 80% leap forward. Codes are available at https://github.com/ZhangCYG/DDFHO.
• Abstract（参考訳）: 単一のRGB画像からハンドヘルドオブジェクトを再構築することは重要かつ困難な問題である。 署名距離場 (Signed Distance Fields, SDF) を利用した既存の作業では, SDF はターゲット近傍でのみ信頼性が高いため, 局所的な手とオブジェクトのキューを同時に符号化することができないため, 複雑な手-物体の相互作用を包括的に捕捉する限界が明らかにされている。 そこで本研究では,DDF(Directed Distance Field)を形状表現として活用した新しいアプローチであるDDF-HOを提案する。 sdfと異なり、ddfは原点と方向からなる3次元空間の光線を対応するddf値にマッピングし、その光線が物体と交わるかどうかを判定するバイナリ可視信号と、原点から目標までの距離を測定する距離値とを含む。 我々はランダムに複数の光線をサンプリングし、新しい2D線に基づく特徴集約スキームと3D交叉対応の手ポーズ埋め込みを導入し、2D-3D特徴とハンドオブジェクトの相互作用をモデル化することで、局所的・グローバルな幾何学的特徴を収集する。 合成および実世界のデータセットに関する大規模な実験により、DFF-HOは、特にChamfer Distanceの下では、すべてのベースラインメソッドを一貫して上回り、約80%が前進している。 コードはhttps://github.com/ZhangCYG/DDFHOで入手できる。

関連論文リスト

• Probabilistic Directed Distance Fields for Ray-Based Shape Representations [8.134429779950658]
  Directed Distance Fields (DDF) は、古典的な距離場の上に構築された新しいニューラルな形状表現である。 基礎分野における本質的な不連続性をモデル化する方法を示す。 次に, 単一形状のフィッティング, 生成モデリング, 単一像の3次元再構成など, DDFを応用した。
  論文  参考訳（メタデータ） (2024-04-13T21:02:49Z)
• Unsigned Orthogonal Distance Fields: An Accurate Neural Implicit Representation for Diverse 3D Shapes [29.65562721329593]
  本稿では,符号なし距離場(UDF)に基づくニューラル暗黙表現を提案する。 UODFでは、任意の空間点から形状表面への最小符号なし距離は、SDFとUDFの多方向決定とは対照的に、一方向のみに定義される。 本研究では,水密形状から水密形状から複雑な形状まで,様々な復元例を用いてUODFの有効性を検証した。
  論文  参考訳（メタデータ） (2024-03-03T06:58:35Z)
• HOISDF: Constraining 3D Hand-Object Pose Estimation with Global Signed Distance Fields [96.04424738803667]
  HOISDFは手動ポーズ推定ネットワークである。 手とオブジェクトのSDFを利用して、完全な再構築ボリュームに対してグローバルで暗黙的な表現を提供する。 そこで, HOISDFは手動ポーズ推定ベンチマークにおいて, 最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-02-26T22:48:37Z)
• Measuring the Discrepancy between 3D Geometric Models using Directional Distance Fields [98.15456815880911]
  本稿では,DirDistを提案する。DirDistは3次元幾何データに対して,効率的で効果的で,頑健で,微分可能な距離測定法である。 一般的な距離計量として、DirDistは3次元幾何学モデリングの分野を前進させる可能性がある。
  論文  参考訳（メタデータ） (2024-01-18T05:31:53Z)
• AlignSDF: Pose-Aligned Signed Distance Fields for Hand-Object Reconstruction [76.12874759788298]
  ポーズと形状を両立させる共同学習フレームワークを提案する。 以上の結果から,SDFは形状の細部を再構築することに注力し,手・物体の復元精度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2022-07-26T13:58:59Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• FIRe: Fast Inverse Rendering using Directional and Signed Distance Functions [97.5540646069663]
  指向性距離関数(DDF)と呼ばれる新しいニューラルシーン表現を導入する。 DDFは単位球上で定義され、任意の方向に沿って表面までの距離を予測する。 提案手法はDDFに基づいて,提案した深度マップから3次元形状を再構成する高速アルゴリズム (FIRe) を提案する。
  論文  参考訳（メタデータ） (2022-03-30T13:24:04Z)
• High-fidelity 3D Model Compression based on Key Spheres [6.59007277780362]
  明示的な鍵球を入力として用いたSDF予測ネットワークを提案する。 提案手法は,高忠実かつ高圧縮な3次元オブジェクトの符号化と再構成を実現する。
  論文  参考訳（メタデータ） (2022-01-19T09:21:54Z)
• A Deep Signed Directional Distance Function for Object Shape Representation [12.741811850885309]
  本稿では,連続符号付き方向距離関数(SDDF)を最適化することにより,新しい距離ビューを可能にする新しい形状モデルを提案する。 任意の方向に最も近い表面までの距離を測定するSDFとは異なり、SDDFは所定の方向に距離を測定する。 本モデルは,SDDF値が視方向に沿って直線的に減少する特性を構成によって符号化する。
  論文  参考訳（メタデータ） (2021-07-23T04:11:59Z)

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。