論文の概要: QuadricsNet: Learning Concise Representation for Geometric Primitives in Point Clouds

• arxiv url: http://arxiv.org/abs/2309.14211v1
• Date: Mon, 25 Sep 2023 15:18:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 15:00:27.839519
• Title: QuadricsNet: Learning Concise Representation for Geometric Primitives in Point Clouds
• Title（参考訳）: QuadricsNet: ポイントクラウドにおける幾何学的プリミティブの簡潔表現学習
• Authors: Ji Wu, Huai Yu, Wen Yang, Gui-Song Xia
• Abstract要約: 本稿では,3次元点雲の精密な幾何学的原始表現を学習するための新しい枠組みを提案する。 私たちは10のパラメータしか持たない多様なプリミティブを表現するために二次的手法を採用しています。 我々は,ポイントクラウドの二次解析を行うために,最初のエンドツーエンド学習ベースのフレームワークであるQuadricsNetを提案する。
• 参考スコア（独自算出の注目度）: 39.600071233251704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel framework to learn a concise geometric primitive representation for 3D point clouds. Different from representing each type of primitive individually, we focus on the challenging problem of how to achieve a concise and uniform representation robustly. We employ quadrics to represent diverse primitives with only 10 parameters and propose the first end-to-end learning-based framework, namely QuadricsNet, to parse quadrics in point clouds. The relationships between quadrics mathematical formulation and geometric attributes, including the type, scale and pose, are insightfully integrated for effective supervision of QuaidricsNet. Besides, a novel pattern-comprehensive dataset with quadrics segments and objects is collected for training and evaluation. Experiments demonstrate the effectiveness of our concise representation and the robustness of QuadricsNet. Our code is available at \url{https://github.com/MichaelWu99-lab/QuadricsNet}
• Abstract（参考訳）: 本稿では3次元点雲の精密な幾何学的原始表現を学習するための新しい枠組みを提案する。 それぞれのプリミティブを個々に表現するのと異なり、簡潔で均一な表現を堅牢に達成する方法という難題に焦点をあてる。 10個のパラメータを持つ多様なプリミティブを表現するためにquadricsを採用し、ポイントクラウドでquadricsを解析する最初のエンドツーエンド学習ベースのフレームワーク、quadricsnetを提案している。 四次数学の定式化と、タイプ、スケール、ポーズを含む幾何学的属性の関係は、QuidricsNetの効果的な監視のために洞察的に統合される。 さらに、トレーニングと評価のために、二次セグメントとオブジェクトを含む新しいパターン包括的データセットを収集する。 実験は、簡潔な表現の有効性とQuadricsNetの堅牢性を示す。 我々のコードは \url{https://github.com/MichaelWu99-lab/QuadricsNet} で入手できる。

関連論文リスト

• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• SweepNet: Unsupervised Learning Shape Abstraction via Neural Sweepers [18.9832388952668]
  本稿では,スイープ面を抽象化する新しい手法であるPapernameを紹介する。 そこで本稿では, 形状表現にスーパー楕円, 軸にB-スプライン曲線を用いたスイープ面の効果的なパラメータ化を提案する。 識別可能なニューラル・スイーパーとエンコーダ・デコーダアーキテクチャを導入することで、監督なしにスイープ表面表現を予測できることを実証する。
  論文  参考訳（メタデータ） (2024-07-08T18:18:17Z)
• Generalized Few-Shot Point Cloud Segmentation Via Geometric Words [54.32239996417363]
  ショットポイントクラウドセグメンテーションアルゴリズムは、ベースクラスのセグメンテーション精度を犠牲にして、新しいクラスに適応するように学習する。 一般化された数ショット点雲のセグメンテーションというより実践的なパラダイムの最初の試みを示す。 基本クラスと新規クラス間で共有される幾何学的要素を表す幾何学的単語を提案し,それらを新しい幾何学的意味表現に組み込む。
  論文  参考訳（メタデータ） (2023-09-20T11:24:33Z)
• Zero-Shot 3D Shape Correspondence [67.18775201037732]
  本稿では,3次元形状間の対応性を計算するためのゼロショット手法を提案する。 我々は、最近の基礎モデルの言語と視覚における例外的な推論能力を活用している。 提案手法は, 強い非等尺形状の間において, ゼロショット方式で高確率な結果をもたらす。
  論文  参考訳（メタデータ） (2023-06-05T21:14:23Z)
• Zero-shot point cloud segmentation by transferring geometric primitives [68.18710039217336]
  ゼロショットポイントクラウドセマンティックセマンティックセマンティックセマンティクスについて検討し、そこではネットワークが見えないオブジェクトに対してトレーニングされ、見えないオブジェクトをセマンティクスできる。 本研究では,視覚的および視覚的カテゴリーのオブジェクトで共有される幾何学的プリミティブを学習し,言語と学習された幾何学的プリミティブとの微粒なアライメントを利用する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-18T15:06:54Z)
• Deep Geometric Texture Synthesis [83.9404865744028]
  幾何学的テクスチャを合成するための新しい枠組みを提案する。 単一の参照3Dモデルの局所的な近傍からテクスチャ統計を学習する。 我々のネットワークはメッシュ頂点を任意の方向に変位させ、幾何学的テクスチャの合成を可能にする。
  論文  参考訳（メタデータ） (2020-06-30T19:36:38Z)
• TearingNet: Point Cloud Autoencoder to Learn Topology-Friendly Representations [20.318695890515613]
  本稿では,固定長ディスクリプタを用いたポイントクラウドの表現に挑戦する自動エンコーダTearingNetを提案する。 我々のTeringNetは、提案されたTeringネットワークモジュールと、相互に反復的に相互作用するFoldingネットワークモジュールによって特徴付けられる。 実験は、点雲の再構成や、ベンチマークよりもトポロジに優しい表現を生成するという点で、我々の提案の優位性を示している。
  論文  参考訳（メタデータ） (2020-06-17T22:42:43Z)
• ParSeNet: A Parametric Surface Fitting Network for 3D Point Clouds [40.52124782103019]
  本稿では、3次元点雲をパラメトリックな表面パッチに分解するParSeNetという,エンドツーエンドのトレーニング可能な深層ネットワークを提案する。 ParSeNetは、人造の3D形状の大規模なデータセットに基づいてトレーニングされ、形状分解のための高レベルのセマンティック先行をキャプチャする。
  論文  参考訳（メタデータ） (2020-03-26T22:54:18Z)

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。