論文の概要: 3D Compression Using Neural Fields
- arxiv url: http://arxiv.org/abs/2311.13009v1
- Date: Tue, 21 Nov 2023 21:36:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 16:56:57.024348
- Title: 3D Compression Using Neural Fields
- Title(参考訳): ニューラルフィールドを用いた3次元圧縮
- Authors: Janis Postels, Yannick Str\"umpler, Klara Reichard, Luc Van Gool,
Federico Tombari
- Abstract要約: 我々は3次元データに対する新しいNFベースの圧縮アルゴリズムを提案する。
本手法は,メッシュだけでなく3次元点雲上の幾何学的圧縮も優れていることを示す。
圧縮アルゴリズムを拡張して3Dデータの幾何と属性(色など)を圧縮するのは簡単である。
- 参考スコア(独自算出の注目度): 90.24458390334203
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural Fields (NFs) have gained momentum as a tool for compressing various
data modalities - e.g. images and videos. This work leverages previous advances
and proposes a novel NF-based compression algorithm for 3D data. We derive two
versions of our approach - one tailored to watertight shapes based on Signed
Distance Fields (SDFs) and, more generally, one for arbitrary non-watertight
shapes using Unsigned Distance Fields (UDFs). We demonstrate that our method
excels at geometry compression on 3D point clouds as well as meshes. Moreover,
we show that, due to the NF formulation, it is straightforward to extend our
compression algorithm to compress both geometry and attribute (e.g. color) of
3D data.
- Abstract(参考訳): ニューラルフィールド(NF)は、画像やビデオなど、様々なデータモダリティを圧縮するツールとして勢いを増している。
本研究は,これまでの進歩を活かし,新しい3dデータ圧縮アルゴリズムを提案する。
提案手法は,SDF(Signed Distance Fields)に基づいて水密形状に調整した2つのバージョンと,UDF(Unsigned Distance Fields)を用いた任意の水密形状の2つのバージョンを導出する。
本手法は,メッシュと同様に3次元点雲上での幾何圧縮に優れていることを示す。
さらに,nfの定式化により,3dデータの幾何と属性(色など)を圧縮するために圧縮アルゴリズムを拡張することは容易であることを示す。
関連論文リスト
- 3D Point Cloud Compression with Recurrent Neural Network and Image
Compression Methods [0.0]
多くのAVアプリケーションでは、LiDARポイントクラウドデータの保存と送信が不可欠である。
データの幅と秩序のない構造のため、ポイントクラウドデータを低ボリュームに圧縮することは困難である。
圧縮アルゴリズムが空間相関を効率的に活用できる新しい3D-to-2D変換を提案する。
論文 参考訳(メタデータ) (2024-02-18T19:08:19Z) - GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided
Distance Representation [73.77505964222632]
スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。
具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。
予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
論文 参考訳(メタデータ) (2022-11-30T06:02:01Z) - GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。
本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。
提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
論文 参考訳(メタデータ) (2022-10-19T17:56:03Z) - Learning Consistency-Aware Unsigned Distance Functions Progressively
from Raw Point Clouds [52.28066811858009]
点雲の表面再構成は3次元コンピュータビジョンにおいて重要な課題である。
最新の手法のほとんどは、点雲から符号付き距離関数を学習することでこの問題を解決する。
そこで本研究では, 原点雲から直接, 整合性を考慮した符号付き距離関数を学習する手法を提案する。
論文 参考訳(メタデータ) (2022-10-06T08:51:08Z) - GRASP-Net: Geometric Residual Analysis and Synthesis for Point Cloud
Compression [16.98171403698783]
損失点クラウド幾何圧縮のための深層学習を用いた異種アプローチを提案する。
具体的には、粗い点雲上に存在する不規則な特徴に局所的詳細を変換するために、点ベースネットワークを適用する。
論文 参考訳(メタデータ) (2022-09-09T17:09:02Z) - T4DT: Tensorizing Time for Learning Temporal 3D Visual Data [19.418308324435916]
低ランクテンソル圧縮は時間変化符号距離関数を格納・クエリするのに極めてコンパクトであることを示す。
DeepSDFやNeRFのような既存の反復学習ベースのアプローチとは異なり、理論的保証付きクローズドフォームアルゴリズムを用いる。
論文 参考訳(メタデータ) (2022-08-02T12:57:08Z) - Partition and Code: learning how to compress graphs [50.29024357495154]
まず、分割アルゴリズムがグラフを基本構造に分解し、これらを確率分布を学習する小さな辞書の要素にマッピングし、エントロピーエンコーダが表現をビットに変換する。
提案アルゴリズムは,非パラメトリックおよびパラメトリックグラフ圧縮器の異なるファミリーに対して,多種多様な実世界のネットワーク上で定量的に評価し,大幅な性能向上を実現している。
論文 参考訳(メタデータ) (2021-07-05T11:41:16Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳(メタデータ) (2020-10-23T14:49:02Z) - Optimizing Geometry Compression using Quantum Annealing [8.959391124399925]
本稿では, 構成的ソリッドジオメトリ (CSG) モデル表現に基づく, 量子可能な3dクラウド圧縮パイプラインを提案する。
パイプラインのキー部分はNP完全問題にマッピングされ、量子アニール上での実行に適した効率的なIsing定式化が存在する。
論文 参考訳(メタデータ) (2020-03-30T07:56:34Z) - 3D Shape Segmentation with Geometric Deep Learning [2.512827436728378]
本稿では,部分分割問題としてセグメント化全体を解くために,3次元形状の3次元拡張ビューを生成するニューラルネットワークベースのアプローチを提案する。
提案手法は,公開データセットの3次元形状と,フォトグラム法を用いて再構成した実物体を用いて検証する。
論文 参考訳(メタデータ) (2020-02-02T14:11:16Z)
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。