論文の概要: PBWR: Parametric Building Wireframe Reconstruction from Aerial LiDAR Point Clouds

• arxiv url: http://arxiv.org/abs/2311.12062v1
• Date: Sat, 18 Nov 2023 19:41:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 03:35:51.994831
• Title: PBWR: Parametric Building Wireframe Reconstruction from Aerial LiDAR Point Clouds
• Title（参考訳）: PBWR:空中LiDAR点雲からのワイヤーフレームのパラメトリック再構築
• Authors: Shangfeng Huang, Ruisheng Wang, Bo Guo, Hongxin Yang
• Abstract要約: 本稿では,空中LiDAR点雲から直接エッジを退避させる3次元ワイヤフレーム再構築手法を提案する。 本手法はParametric Building Wireframe Reconstruction (PBWR) と名付けられ, 空中LiDAR点雲と初期エッジエンティティを入力として利用する。 入力レベルのデータセットエッジ精度を約36%向上させるため,Building3Dデータセットの最先端結果を示す。
• 参考スコア（独自算出の注目度）: 4.588028371034407
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we present an end-to-end 3D building wireframe reconstruction method to regress edges directly from aerial LiDAR point clouds.Our method, named Parametric Building Wireframe Reconstruction (PBWR), takes aerial LiDAR point clouds and initial edge entities as input, and fully uses self-attention mechanism of transformers to regress edge parameters without any intermediate steps such as corner prediction. We propose an edge non-maximum suppression (E-NMS) module based on edge similarityto remove redundant edges. Additionally, a dedicated edge loss function is utilized to guide the PBWR in regressing edges parameters, where simple use of edge distance loss isn't suitable. In our experiments, we demonstrate state-of-the-art results on the Building3D dataset, achieving an improvement of approximately 36% in entry-level dataset edge accuracy and around 42% improvement in the Tallinn dataset.
• Abstract（参考訳）: 本稿では,空中LiDAR点雲から直接エッジを回帰するエンド・ツー・エンドの3Dビルディングワイヤフレーム再構築手法を提案する。我々の手法はパラメトリックビルディングワイヤーフレーム再構成 (PBWR) と呼ばれ,空中LiDAR点雲と初期エッジエンティティを入力とし,変圧器の自己保持機構をコーナー予測などの中間ステップを使わずにエッジパラメータを回帰させる。 本稿では,エッジ類似性に基づくエッジ非最大抑圧(E-NMS)モジュールを提案する。 さらに、専用エッジロス関数を用いて、PBWRをエッジ距離ロスの簡単な使用が不適当な回帰エッジパラメータに導出する。 実験では,Building3Dデータセットの最先端結果を示し,エントリーレベルのデータセットエッジ精度が約36%向上し,Tallinnデータセットが約42%改善した。

関連論文リスト

• Mode-GS: Monocular Depth Guided Anchored 3D Gaussian Splatting for Robust Ground-View Scene Rendering [47.879695094904015]
  そこで本研究では,地上ロボット軌道データセットのための新しいビューレンダリングアルゴリズムであるMode-GSを提案する。 提案手法は,既存の3次元ガウススプラッティングアルゴリズムの限界を克服する目的で,アンカー付きガウススプラッターを用いている。 提案手法は,PSNR,SSIM,LPIPSの計測値に基づいて,自由軌道パターンを持つ地上環境におけるレンダリング性能を向上する。
  論文  参考訳（メタデータ） (2024-10-06T23:01:57Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• 3D Neural Edge Reconstruction [61.10201396044153]
  本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。 多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。 この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T17:23:51Z)
• Dataset Distillation with Convexified Implicit Gradients [69.16247946639233]
  メタ段階更新の計算に暗黙の勾配を効果的に利用できるかを示す。 さらに,凍結した有限幅ニューラルネットワーク上での学習に対応する凸近似をアルゴリズムに装備する。
  論文  参考訳（メタデータ） (2023-02-13T23:53:16Z)
• Edge-enhanced Feature Distillation Network for Efficient Super-Resolution [6.245537312562826]
  本稿では,制約資源下での高周波情報を保存するために,EFDNというエッジ強化型特徴蒸留ネットワークを提案する。 我々は、エッジ強化戦略がエッジを維持し、最終的な修復品質を著しく向上することを示します。
  論文  参考訳（メタデータ） (2022-04-19T08:57:35Z)
• 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment Feedback Loop [128.07841893637337]
  回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。 パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。 本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
  論文  参考訳（メタデータ） (2021-03-30T17:07:49Z)
• PIE-NET: Parametric Inference of Point Cloud Edges [40.27043782820615]
  我々は3Dポイントクラウドデータの特徴エッジを堅牢に識別するエンドツーエンドの学習技術を紹介した。 私たちのディープニューラルネットワークは、PIE-NETと呼ばれ、エッジのパラメトリック推論のために訓練されています。
  論文  参考訳（メタデータ） (2020-07-09T15:35:10Z)
• Holistic Parameteric Reconstruction of Building Models from Point Clouds [9.93322840476651]
  本研究では,1つの建物全体の点雲を同時に考慮した総合的パラメトリック再構築手法を提案する。 まず、よく設計されたディープニューラルネットワークを使用して、所定のビルディングポイントクラウド内のプリミティブを識別します。 次に、セグメント化されたプリミティブのパラメータを同時に決定するために、全体最適化戦略を導入する。 総合的な再現の質は、点表面距離0.08メートル、入力されたLiDAR点の0.7倍のRMSEである。
  論文  参考訳（メタデータ） (2020-05-19T05:42:23Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)
• Learning Nonparametric Human Mesh Reconstruction from a Single Image without Ground Truth Meshes [56.27436157101251]
  そこで本研究では,人間のメッシュ再構築を基礎となる真理メッシュを使わずに学習する手法を提案する。 これはグラフ畳み込みニューラルネットワーク(Graph CNN)の損失関数に2つの新しい用語を導入することで実現される。
  論文  参考訳（メタデータ） (2020-02-28T20:30:07Z)

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。