論文の概要: Diverse Shape Completion via Style Modulated Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2311.11184v1
• Date: Sat, 18 Nov 2023 23:40:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 06:53:40.278265
• Title: Diverse Shape Completion via Style Modulated Generative Adversarial Networks
• Title（参考訳）: スタイル変調生成逆ネットワークによる多様な形状完全化
• Authors: Wesley Khademi, Li Fuxin
• Abstract要約: 形状完了は、部分的な観察から物体の完全な3次元形状を復元することを目的としている。 この問題は本質的にマルチモーダルであり、形状の欠落した領域を確実に完備化する方法が多数存在する。 本稿では,部分観測点雲の多種多様な完備化を実現できる条件生成対向ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shape completion aims to recover the full 3D geometry of an object from a partial observation. This problem is inherently multi-modal since there can be many ways to plausibly complete the missing regions of a shape. Such diversity would be indicative of the underlying uncertainty of the shape and could be preferable for downstream tasks such as planning. In this paper, we propose a novel conditional generative adversarial network that can produce many diverse plausible completions of a partially observed point cloud. To enable our network to produce multiple completions for the same partial input, we introduce stochasticity into our network via style modulation. By extracting style codes from complete shapes during training, and learning a distribution over them, our style codes can explicitly carry shape category information leading to better completions. We further introduce diversity penalties and discriminators at multiple scales to prevent conditional mode collapse and to train without the need for multiple ground truth completions for each partial input. Evaluations across several synthetic and real datasets demonstrate that our method achieves significant improvements in respecting the partial observations while obtaining greater diversity in completions.
• Abstract（参考訳）: 形状完了は、部分観察から物体の完全な3次元形状を復元することを目的としている。 この問題は本質的にマルチモーダルであり、形状の欠落した領域を確実に完備化する方法が多数存在する。 このような多様性は、形状の基本的な不確実性を示し、計画のような下流タスクに望ましい。 本稿では,多種多様な観測可能な点雲の完備化を可能にする,条件付き生成型逆ネットワークを提案する。 ネットワークが同じ部分入力に対して複数の補完を生成できるようにするために,スタイル変調による確率性をネットワークに導入する。 トレーニング中に完全な形状からスタイルコードを抽出し,その上で分布を学習することにより,我々のスタイルコードは,より優れた完成につながる形状カテゴリー情報を明示的に保持することができる。 さらに,多様なペナルティや判別器を複数の尺度で導入し,条件モードの崩壊を防止し,各部分入力に対して複数の基底真理を完結させることなく訓練する。 複数の合成データおよび実データを用いた評価により,本手法は部分的観測を尊重する上で大きな改善が得られた。

関連論文リスト

• DiffComplete: Diffusion-based Generative 3D Shape Completion [114.43353365917015]
  3次元レンジスキャンにおける形状完成のための拡散に基づく新しいアプローチを提案する。 私たちはリアリズム、マルチモダリティ、高忠実さのバランスを取ります。 DiffCompleteは2つの大規模3次元形状補完ベンチマークに新しいSOTA性能を設定する。
  論文  参考訳（メタデータ） (2023-06-28T16:07:36Z)
• PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval and Deformation [59.70430570779819]
  本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。 私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。 部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
  論文  参考訳（メタデータ） (2022-07-24T18:59:09Z)
• Implicit Shape Completion via Adversarial Shape Priors [46.48590354256945]
  部分点雲の完全化のためのニューラル暗黙的形状法を提案する。 条件付きDeep-SDFアーキテクチャと学習済みの逆形状の事前処理を組み合わせる。 我々はPointNet++識別器を訓練し、生成元が可塑性で一貫した再構成を生成することを示唆する。
  論文  参考訳（メタデータ） (2022-04-21T12:49:59Z)
• Probabilistic Implicit Scene Completion [6.954686339092988]
  大規模3次元シーンの連続幾何学に拡張した確率的形状補完法を提案する。 生成セルオートマタを用いてマルチモーダル分布を学習し,定式化を変換して大規模連続幾何処理を行う。 実験により,入力に忠実な多彩なシーンを生成できることが確認された。
  論文  参考訳（メタデータ） (2022-04-04T06:16:54Z)
• Shape Completion via IMLE [9.716911810130576]
  形状完了は部分的なスキャンなどの部分的な入力形状を完了させる問題である。 本稿では,一対多のマッピングを効果的に学習できる新しいマルチモーダル形状補完手法を提案する。 本手法は, 形状の完全性と多様性の観点から, 代替案よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-30T17:45:10Z)
• Unsupervised 3D Shape Completion through GAN Inversion [116.27680045885849]
  本稿では,GAN(Generative Adrial Network)インバージョンを導入したShapeInversionについて紹介する。 ShapeInversionは、与えられた部分入力に最も適した完全な形状を与える潜在コードを探すことで、完全な形状で事前訓練されたGANを使用する。 shapenetベンチマークでは、shapeinversion は sota unsupervised メソッドよりも優れており、ペアデータを用いて学習される教師ありメソッドに匹敵する。
  論文  参考訳（メタデータ） (2021-04-27T17:53:46Z)
• Cascaded Refinement Network for Point Cloud Completion with Self-supervision [74.80746431691938]
  形状整形のための2分岐ネットワークを提案する。 第1分枝は、完全なオブジェクトを合成するためのカスケード形状補完サブネットワークである。 第2のブランチは、元の部分入力を再構築する自動エンコーダである。
  論文  参考訳（メタデータ） (2020-10-17T04:56:22Z)
• Weakly-supervised 3D Shape Completion in the Wild [91.04095516680438]
  非整合および実世界の部分点雲から3次元完全形状を学習する問題に対処する。 複数の部分的な観察から3次元標準形状と6-DoFのアライメントを推定する弱い教師付き手法を提案する。 合成データと実データの両方の実験では、形状やポーズを伴わずに大規模なデータを通じて3次元形状の完成を学習することは可能であり、有望であることが示された。
  論文  参考訳（メタデータ） (2020-08-20T17:53:42Z)
• Cascaded Refinement Network for Point Cloud Completion [74.80746431691938]
  本稿では,細かな物体形状を合成するための粗大な戦略とともに,カスケード型精細化ネットワークを提案する。 部分入力の局所的な詳細と大域的な形状情報を合わせて考えると、既存の詳細を不完全点集合に保存することができる。 また、各局所領域が同じパターンと基底的真理を持つことを保証し、複雑な点分布を学習するパッチ判別器を設計する。
  論文  参考訳（メタデータ） (2020-04-07T13:03:29Z)
• Multimodal Shape Completion via Conditional Generative Adversarial Networks [34.51271516263473]
  形状取得装置から部分的データを取得するための深層学習法が提案されている。 我々は,一対多のマッピングを学習することで,複数の出力で部分的な形状を完成させようとする。 我々は条件付き生成モデルを用いて部分的な形状を完遂する最初のマルチモーダル形状補完法を開発した。
  論文  参考訳（メタデータ） (2020-03-17T13:37:52Z)

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。