論文の概要: PRS: Sharp Feature Priors for Resolution-Free Surface Remeshing

• arxiv url: http://arxiv.org/abs/2311.18494v1
• Date: Thu, 30 Nov 2023 12:15:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 16:43:08.093039
• Title: PRS: Sharp Feature Priors for Resolution-Free Surface Remeshing
• Title（参考訳）: PRS:シャープ機能は解像度なしのサーフェスリメッシングに先立つ
• Authors: Natalia Soboleva, Olga Gorbunova, Maria Ivanova, Evgeny Burnaev, Matthias Nie{\ss}ner, Denis Zorin and Alexey Artemov
• Abstract要約: 本稿では,自動特徴検出とリメッシングのためのデータ駆動方式を提案する。 提案アルゴリズムは,Fスコアの26%,知覚値の42%がtextRMSE_textv$である。
• 参考スコア（独自算出の注目度）: 30.28380889862059
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surface reconstruction with preservation of geometric features is a challenging computer vision task. Despite significant progress in implicit shape reconstruction, state-of-the-art mesh extraction methods often produce aliased, perceptually distorted surfaces and lack scalability to high-resolution 3D shapes. We present a data-driven approach for automatic feature detection and remeshing that requires only a coarse, aliased mesh as input and scales to arbitrary resolution reconstructions. We define and learn a collection of surface-based fields to (1) capture sharp geometric features in the shape with an implicit vertexwise model and (2) approximate improvements in normals alignment obtained by applying edge-flips with an edgewise model. To support scaling to arbitrary complexity shapes, we learn our fields using local triangulated patches, fusing estimates on complete surface meshes. Our feature remeshing algorithm integrates the learned fields as sharp feature priors and optimizes vertex placement and mesh connectivity for maximum expected surface improvement. On a challenging collection of high-resolution shape reconstructions in the ABC dataset, our algorithm improves over state-of-the-art by 26% normals F-score and 42% perceptual $\text{RMSE}_{\text{v}}$.
• Abstract（参考訳）: 幾何学的特徴の保存による表面再構成はコンピュータビジョンの課題である。 暗黙的な形状再構成の著しい進展にもかかわらず、最先端のメッシュ抽出法は、しばしばエイリアスで知覚的に歪んだ表面を生成し、高解像度の3d形状へのスケーラビリティを欠いている。 本稿では,任意の解像度を再現するための入力とスケールとして,粗いエイリアスメッシュのみを必要とする自動特徴検出とリメッシングのためのデータ駆動アプローチを提案する。 我々は,(1)暗黙の頂点モデルを用いて形状の鋭い幾何学的特徴を捉え,(2)エッジワイズモデルを用いてエッジフリップを適用することにより得られた正規化アライメントの近似的改善を定義する。 任意の複雑性形状へのスケーリングを支援するため、局所三角パッチを用いてフィールドを学習し、完全な表面メッシュ上の推定値を拡散する。 提案アルゴリズムは,学習分野をシャープな特徴先行として統合し,頂点配置とメッシュ接続性を最適化し,最大表面改善を実現する。 abcデータセットにおける高分解能形状復元の難解なコレクションについて,本アルゴリズムは26%の正規化f-scoreと42%の知覚的$\text{rmse}_{\text{v}}$を改良する。

関連論文リスト

• Geometry Field Splatting with Gaussian Surfels [23.412129038089326]
  我々は、最近の研究で提案された不透明曲面の幾何学的場を利用して、体積密度に変換することができる。 ガウス核やウェーバを体積よりも幾何場に適応させ、不透明な固体の正確な再構成を可能にする。 広範に使用されているデータセット上で再構成された3次元表面の質が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2024-11-26T03:07:05Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• 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)
• Recovering Fine Details for Neural Implicit Surface Reconstruction [3.9702081347126943]
  そこで我々はD-NeuSを提案する。D-NeuSは、微細な幾何学的詳細を復元できるボリュームレンダリング型ニューラル暗示表面再構成法である。 我々は,SDFゼロクロスの補間により表面点に多視点の特徴的整合性を付与する。 本手法は,高精度な表面を細部で再構成し,その性能を向上する。
  論文  参考訳（メタデータ） (2022-11-21T10:06:09Z)
• Deep Implicit Surface Point Prediction Networks [49.286550880464866]
  暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。 本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-10T14:31:54Z)
• Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
  1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。 ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。 提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
  論文  参考訳（メタデータ） (2020-08-18T06:33:40Z)
• Geo-PIFu: Geometry and Pixel Aligned Implicit Functions for Single-view Human Reconstruction [97.3274868990133]
  Geo-PIFuは、着物の単色画像から3Dメッシュを復元する方法である。 提案手法は,クエリポイントの符号化と潜在ボクセル特徴を用いたグローバルな形状の制約を両立させることで,人間のメッシュの形状歪みの低減と,競合する手法と比較して表面の細部の改善を図っている。
  論文  参考訳（メタデータ） (2020-06-15T01:11:48Z)
• Deep Manifold Prior [37.725563645899584]
  本稿では,3次元形状の表面などの多様体構造データに先行する手法を提案する。 この方法で生成された曲面は滑らかであり、ガウス過程を特徴とする制限的な挙動を示し、完全連結および畳み込みネットワークに対して数学的にそのような特性を導出する。
  論文  参考訳（メタデータ） (2020-04-08T20:47:56Z)

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。