論文の概要: Learning based 2D Irregular Shape Packing

• arxiv url: http://arxiv.org/abs/2309.10329v1
• Date: Tue, 19 Sep 2023 05:21:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 16:15:43.557380
• Title: Learning based 2D Irregular Shape Packing
• Title（参考訳）: 学習に基づく2次元不規則形状パッキング
• Authors: Zeshi Yang, Zherong Pan, Manyi Li, Kui Wu, Xifeng Gao
• Abstract要約: 2次元不規則な形状パッキングは、3次元モデルのUVパッチをテクスチャアトラス内に配置するために必要なステップであり、コンピュータグラフィックスにおけるメモリ効率の高い外観レンダリングを実現する。 本稿では,学習支援型2次元不規則形状パッキング手法を提案する。 数百のパッチで大きな問題インスタンスを効率的に処理するために、私たちは、ほぼ矩形のパッチサブセットを予測するために、ディープニューラルネットワークポリシーをトレーニングします。
• 参考スコア（独自算出の注目度）: 29.044043493942013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 2D irregular shape packing is a necessary step to arrange UV patches of a 3D model within a texture atlas for memory-efficient appearance rendering in computer graphics. Being a joint, combinatorial decision-making problem involving all patch positions and orientations, this problem has well-known NP-hard complexity. Prior solutions either assume a heuristic packing order or modify the upstream mesh cut and UV mapping to simplify the problem, which either limits the packing ratio or incurs robustness or generality issues. Instead, we introduce a learning-assisted 2D irregular shape packing method that achieves a high packing quality with minimal requirements from the input. Our method iteratively selects and groups subsets of UV patches into near-rectangular super patches, essentially reducing the problem to bin-packing, based on which a joint optimization is employed to further improve the packing ratio. In order to efficiently deal with large problem instances with hundreds of patches, we train deep neural policies to predict nearly rectangular patch subsets and determine their relative poses, leading to linear time scaling with the number of patches. We demonstrate the effectiveness of our method on three datasets for UV packing, where our method achieves a higher packing ratio over several widely used baselines with competitive computational speed.
• Abstract（参考訳）: 2d不規則な形状パッキングは、3dモデルのuvパッチをテクスチャアトラス内に配置するために必要なステップである。 すべてのパッチ位置と向きを含む結合的複合的決定問題であるため、この問題はよく知られたNPハード複雑性を有する。 以前のソリューションでは、ヒューリスティックなパッキング順序を仮定するか、上流メッシュカットとUVマッピングを変更して問題を単純化するか、パッキング比を制限するか、堅牢性や一般性の問題を引き起こす。 代わりに,入力から最小限の要求で高いパッキング品質を実現する学習支援型2次元不規則形状パッキング法を提案する。 提案手法では,UVパッチのサブセットを直方体近傍のスーパーパッチに反復的に選択してグループ化する。 数百のパッチを持つ大規模な問題インスタンスを効率的に処理するために、深層ニューラルネットワークポリシをトレーニングして、ほぼ矩形に近いパッチサブセットを予測し、それらの相対的なポーズを判断します。 提案手法はUVパッキングのための3つのデータセットに対して有効性を示し,提案手法は計算速度の競争力のある,広く使用されているベースラインよりも高いパッキング比を達成する。

関連論文リスト

• Volumetric Surfaces: Representing Fuzzy Geometries with Multiple Meshes [59.17785932398617]
  高品質なリアルタイムビュー合成法は、ボリュームレンダリング、スプレイティング、サーフェスレンダリングに基づいている。 本稿では,サンプリング位置の個数が小さく,有界なリアルタイムビューのための新しい表現を提案する。 提案手法は,ローエンドおよびモバイル機器におけるボリュームベースおよびスプラッティングベース手法よりも高いフレームレートを達成しつつ,困難なファジィオブジェクトを表現可能であることを示す。
  論文  参考訳（メタデータ） (2024-09-04T07:18:26Z)
• GFPack++: Improving 2D Irregular Packing by Learning Gradient Field with Attention [29.836816853278886]
  2次元不規則パッキングは、材料利用やテクスチャアトラス生成など、様々な応用における古典的な最適化問題である。 従来の数値法では、収束が遅く、計算コストが高い。 スコアベース拡散モデルのような既存の学習ベースの手法にも、回転支持の欠如、頻繁な衝突、任意の境界への適応性の低下、推論の遅さといった制限がある。 本稿では,この課題に対処する注目型勾配場学習手法GFPack++を提案する。
  論文  参考訳（メタデータ） (2024-06-09T06:44:08Z)
• Coverage Axis++: Efficient Inner Point Selection for 3D Shape Skeletonization [49.47444127373479]
  Coverage Axis++は、3D形状のスケルトン化に対する、新しくて効率的なアプローチである。 メディア軸変換(MAT)の高精度近似を提供する。
  論文  参考訳（メタデータ） (2024-01-23T18:07:07Z)
• Differentiable Registration of Images and LiDAR Point Clouds with VoxelPoint-to-Pixel Matching [58.10418136917358]
  カメラからの2D画像とLiDARからの3Dポイントクラウドの間のクロスモダリティ登録は、コンピュータビジョンとロボットトレーニングにおいて重要な課題である。 ニューラルネットワークで学習した点パターンと画素パターンのマッチングによる2次元3次元対応の推定 我々は、異なる潜在画素空間を介して3次元特徴を表現するために、構造化されたモダリティマッチングソルバを学習する。
  論文  参考訳（メタデータ） (2023-12-07T05:46:10Z)
• Towards Nonlinear-Motion-Aware and Occlusion-Robust Rolling Shutter Correction [54.00007868515432]
  既存の手法では、一様速度仮定による補正の精度を推定する上で、課題に直面している。 本稿では,個々の画素の高次補正場を正確に推定する,幾何的回転シャッター(QRS)運動解法を提案する。 提案手法は,Carla-RS,Fastec-RS,BS-RSCの各データセット上で,PSNRの+4.98,+0.77,+4.33を超える。
  論文  参考訳（メタデータ） (2023-03-31T15:09:18Z)
• Online 3D Bin Packing Reinforcement Learning Solution with Buffer [1.8060107352742993]
  性能向上のための3D-BPPソリューションのための新しい強化学習フレームワークを提案する。 一般的なアルゴリズムAlphaGoに適応したモデルベースRL法を実装した。 私たちの適応はシングルプレイヤーとスコアベースの環境で動作することができます。
  論文  参考訳（メタデータ） (2022-08-15T11:28:20Z)
• IDEA-Net: Dynamic 3D Point Cloud Interpolation via Deep Embedding Alignment [58.8330387551499]
  我々は、点方向軌跡(すなわち滑らかな曲線)の推定として問題を定式化する。 本稿では,学習した時間的一貫性の助けを借りて問題を解消する,エンドツーエンドのディープラーニングフレームワークであるIDEA-Netを提案する。 各種点群における本手法の有効性を実証し, 定量的かつ視覚的に, 最先端の手法に対する大幅な改善を観察する。
  論文  参考訳（メタデータ） (2022-03-22T10:14:08Z)
• One model Packs Thousands of Items with Recurrent Conditional Query Learning [8.821298331302563]
  本稿では,2次元および3次元のパッキング問題を解決するためにRCQL法を提案する。 RCQLは、オフラインの2D 40-boxケースでは平均ビンギャップ比を1.83%削減し、3Dケースでは7.84%削減する。
  論文  参考訳（メタデータ） (2021-11-12T14:00:30Z)
• Fast and Accurate Normal Estimation for Point Cloud via Patch Stitching [12.559091712749279]
  非構造点雲に対するマルチパッチ縫合を用いた効果的な正規推定法を提案する。 本手法は,従来の手法に比べて計算コストの低減とノイズに対する堅牢性の向上により,SOTA結果を達成した。
  論文  参考訳（メタデータ） (2021-03-30T04:30:35Z)
• Displacement-Invariant Cost Computation for Efficient Stereo Matching [122.94051630000934]
  ディープラーニング手法は、前例のない不一致の精度を得ることによって、ステレオマッチングのリーダーボードを支配してきた。 しかし、その推測時間は一般的に540p画像の秒数で遅い。 本研究では,4次元特徴量を必要としないEmphdisplacement-invariant cost moduleを提案する。
  論文  参考訳（メタデータ） (2020-12-01T23:58:16Z)
• PnP-Net: A hybrid Perspective-n-Point Network [2.66512000865131]
  本稿では、ディープラーニングとモデルベースアルゴリズムを組み合わせたハイブリッドアプローチを用いて、ロバストなパースペクティブ・n・ポイント問題を考察する。 計算量の少ない合成パラメータと実世界のデータの両方を実証する。
  論文  参考訳（メタデータ） (2020-03-10T10:43:14Z)

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。