論文の概要: DynamicSurf: Dynamic Neural RGB-D Surface Reconstruction with an Optimizable Feature Grid

• arxiv url: http://arxiv.org/abs/2311.08159v1
• Date: Tue, 14 Nov 2023 13:39:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-15 14:02:10.287186
• Title: DynamicSurf: Dynamic Neural RGB-D Surface Reconstruction with an Optimizable Feature Grid
• Title（参考訳）: DynamicSurf: 最適特徴格子を用いた動的ニューラルネットワークRGB-D表面再構成
• Authors: Mirgahney Mohamed and Lourdes Agapito
• Abstract要約: DynamicSurfは、モノクロRGB-Dビデオから非剛体表面の高忠実度3Dモデリングのためのモデルのない暗黙表面再構成手法である。 我々は、表面幾何学の正準表現を現在のフレームにマッピングする神経変形場を学習する。 我々は、純粋ベースアプローチよりも6ドルのスピードアップで、様々なフレームのシーケンスを最適化できることを実証した。
• 参考スコア（独自算出の注目度）: 7.702806654565181
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose DynamicSurf, a model-free neural implicit surface reconstruction method for high-fidelity 3D modelling of non-rigid surfaces from monocular RGB-D video. To cope with the lack of multi-view cues in monocular sequences of deforming surfaces, one of the most challenging settings for 3D reconstruction, DynamicSurf exploits depth, surface normals, and RGB losses to improve reconstruction fidelity and optimisation time. DynamicSurf learns a neural deformation field that maps a canonical representation of the surface geometry to the current frame. We depart from current neural non-rigid surface reconstruction models by designing the canonical representation as a learned feature grid which leads to faster and more accurate surface reconstruction than competing approaches that use a single MLP. We demonstrate DynamicSurf on public datasets and show that it can optimize sequences of varying frames with $6\times$ speedup over pure MLP-based approaches while achieving comparable results to the state-of-the-art methods. Project is available at https://mirgahney.github.io//DynamicSurf.io/.
• Abstract（参考訳）: モノクロRGB-Dビデオから非剛面の高忠実度3Dモデリングのためのモデルフリーなニューラル暗黙表面再構成法であるDynamicSurfを提案する。 変形面の単分子配列におけるマルチビューキューの欠如に対処するため、DynamicSurfは3次元再構成の最も困難な設定の1つとして、深度、表面の正規度、RGB損失を活用して、再構成の忠実度と最適化時間を改善する。 DynamicSurfは、表面幾何学の正準表現を現在のフレームにマッピングする神経変形場を学習する。 我々は、単一のMLPを使用する競合するアプローチよりも高速で正確な表面再構成をもたらす学習特徴格子として、正準表現を設計することで、現在のニューラル非剛体表面再構成モデルから離れる。 公開データセット上でDynamicSurfを実演し、純粋なMLPベースのアプローチよりも6\times$のスピードアップで、さまざまなフレームのシーケンスを最適化し、最先端の手法に匹敵する結果が得られることを示す。 プロジェクトはhttps://mirgahney.github.io//DynamicSurf.io/で入手できる。

関連論文リスト

• DynaSurfGS: Dynamic Surface Reconstruction with Planar-based Gaussian Splatting [13.762831851385227]
  本研究では,動的シナリオのフォトリアリスティックレンダリングと高忠実な表面再構成を実現するためにDynaSurfGSを提案する。 このフレームワークはまず、4Dニューラルボクセルのガウスの特徴をプラナーベースのガウススプラッティングに組み込んで、表面の正確な再構築を容易にする。 また、ARAP(as-rigid-as-possible)制約を組み込んで、時間ステップ間の3Dガウシアン地区の局所的な剛性を維持する。
  論文  参考訳（メタデータ） (2024-08-26T01:36:46Z)
• DynoSurf: Neural Deformation-based Temporally Consistent Dynamic Surface Reconstruction [93.18586302123633]
  本稿では3次元点雲列から時間的に一貫した表面を対応なく再構成する問題について考察する。 テンプレート表面表現と学習可能な変形場を統合した教師なし学習フレームワークDynoSurfを提案する。 実験により、DynoSurfの現在の最先端アプローチに対する顕著な優位性を示した。
  論文  参考訳（メタデータ） (2024-03-18T08:58:48Z)
• MonoNPHM: Dynamic Head Reconstruction from Monocular Videos [47.504979561265536]
  モノクラーRGBビデオからの動的3次元頭部再構成のためのモノクラーニューラルパラメトリックヘッドモデル(MonoNPHM)を提案する。 我々は、RGBからの勾配が逆レンダリング中の潜時幾何学符号に効果的に影響を及ぼすような、下層の幾何学と相関する予測色値を制約する。
  論文  参考訳（メタデータ） (2023-12-11T17:55:05Z)
• EndoSurf: Neural Surface Reconstruction of Deformable Tissues with Stereo Endoscope Videos [72.59573904930419]
  ステレオ内視鏡ビデオから軟組織を再構成することは、多くの医療応用にとって必須の前提条件である。 従来の手法では、3Dシーンの表現が不十分なため、高品質な幾何学や外観を作り出すのに苦労していた。 本稿では,RGBD配列から変形面を効果的に表現する神経場に基づく新しい手法であるEndoSurfを提案する。
  論文  参考訳（メタデータ） (2023-07-21T02:28:20Z)
• Dynamic Voxel Grid Optimization for High-Fidelity RGB-D Supervised Surface Reconstruction [130.84162691963536]
  高忠実度3次元表面再構成のための新しい動的グリッド最適化手法を提案する。 グリッドを動的に修正し、より複雑な領域により微細なボクセルを割り当てることで、プロセスを最適化する。 提案手法は, 合成データと実世界のデータの両方を詳細に記述した高品質な3D再構成を実現する。
  論文  参考訳（メタデータ） (2023-04-12T22:39:57Z)
• HR-NeuS: Recovering High-Frequency Surface Geometry via Neural Implicit Surfaces [6.382138631957651]
  我々は新しい暗黙表面再構成法であるHigh-Resolution NeuSを提案する。 HR-NeuSは大規模な再構成精度を維持しながら高周波表面形状を復元する。 我々は,DTUおよびBlendedMVSデータセットを用いた実験により,従来の手法と同等の精度で定性的に詳細かつ定量的な3次元測地を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-02-14T02:25:16Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• Neural Surface Reconstruction of Dynamic Scenes with Monocular RGB-D Camera [26.410460029742456]
  モノクラーRGB-Dカメラから動的シーンの高忠実度形状と動きを復元するテンプレートレス手法を提案する。 公開データセットと収集データセットの実験により、NDRは既存の単分子動的再構成法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-30T13:09:39Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• 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)

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。