論文の概要: Fast graph-based denoising for point cloud color information

• arxiv url: http://arxiv.org/abs/2401.09721v2
• Date: Fri, 19 Jan 2024 04:07:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 12:15:18.048930
• Title: Fast graph-based denoising for point cloud color information
• Title（参考訳）: 点雲色情報のための高速グラフベースデノイング
• Authors: Ryosuke Watanabe and Keisuke Nonaka and Eduardo Pavez and Tatsuya Kobayashi and Antonio Ortega
• Abstract要約: 例えば、3Dポイントクラウドを使ったライブストリーミングでは、視覚的品質を高めるためにリアルタイムのポイントクラウドデノゲーション方法が必要である。 本稿では,大規模クラウドのための高速グラフベースデノイング(FGBD)を提案する。 本実験では,従来の復調法と比較して精度を保ちながら,処理時間を劇的に短縮することに成功した。
• 参考スコア（独自算出の注目度）: 31.247771409704658
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point clouds are utilized in various 3D applications such as cross-reality (XR) and realistic 3D displays. In some applications, e.g., for live streaming using a 3D point cloud, real-time point cloud denoising methods are required to enhance the visual quality. However, conventional high-precision denoising methods cannot be executed in real time for large-scale point clouds owing to the complexity of graph constructions with K nearest neighbors and noise level estimation. This paper proposes a fast graph-based denoising (FGBD) for a large-scale point cloud. First, high-speed graph construction is achieved by scanning a point cloud in various directions and searching adjacent neighborhoods on the scanning lines. Second, we propose a fast noise level estimation method using eigenvalues of the covariance matrix on a graph. Finally, we also propose a new low-cost filter selection method to enhance denoising accuracy to compensate for the degradation caused by the acceleration algorithms. In our experiments, we succeeded in reducing the processing time dramatically while maintaining accuracy relative to conventional denoising methods. Denoising was performed at 30fps, with frames containing approximately 1 million points.
• Abstract（参考訳）: ポイントクラウドは、クロスリアリティ(XR)やリアルな3Dディスプレイなど、さまざまな3Dアプリケーションで利用されている。 例えば、3dポイントクラウドを使ったライブストリーミングでは、視覚品質を向上させるためにリアルタイムポイントクラウドの表示方法が必要となる。 しかし、K近傍のグラフ構造とノイズレベル推定の複雑さのため、従来の高精度デノナイズ法は大規模点雲に対してリアルタイムに実行できない。 本稿では,大規模クラウドのための高速グラフベースデノイング(FGBD)を提案する。 まず,様々な方向の点雲を走査し,近傍の走査線を探索することで高速グラフ構築を実現する。 次に,グラフ上の共分散行列の固有値を用いた高速雑音レベル推定法を提案する。 また,高速化アルゴリズムによる劣化を補うために,デノナイジング精度を向上させるための新しい低コストフィルタ選択法を提案する。 実験では,従来手法と比較して精度を維持しつつ,処理時間を劇的に短縮することに成功した。 30fpsで撮影され、約100万点のフレームが撮影された。

関連論文リスト

• Fast Learning of Signed Distance Functions from Noisy Point Clouds via Noise to Noise Mapping [54.38209327518066]
  点雲から符号付き距離関数を学習することは、3Dコンピュータビジョンにおいて重要な課題である。 クリーンポイントクラウドや地上の真理監督を必要としないノイズ・ノイズマッピングを用いてSDFを学習することを提案する。 我々の新しい特徴はノイズ・ト・ノイズマッピングにあり、1つの物体やシーンの高精度なSDFを、その多重または単一ノイズの観測から推測することができる。
  論文  参考訳（メタデータ） (2024-07-04T03:35:02Z)
• Point Cloud Denoising and Outlier Detection with Local Geometric Structure by Dynamic Graph CNN [0.0]
  ポイントクラウドは3D空間のメディアフォーマットとして注目されている。 PointCleanNetは、ポイントクラウドのデnoisingとoutlier Detectionに有効な方法である。 動的グラフCNNに基づいて設計された2種類のグラフ畳み込み層を提案する。
  論文  参考訳（メタデータ） (2023-10-11T10:50:15Z)
• HiFA: High-fidelity Text-to-3D Generation with Advanced Diffusion Guidance [19.252300247300145]
  本研究は,高品質なテキスト・ツー・3D生成を実現するための全体的サンプリングと平滑化手法を提案する。 テキスト・画像拡散モデルの潜時空間と画像空間における復調スコアを計算する。 単一段最適化において高品質なレンダリングを生成するため,我々はNeRF線に沿ったz座標の分散の正則化を提案する。
  論文  参考訳（メタデータ） (2023-05-30T05:56:58Z)
• Grad-PU: Arbitrary-Scale Point Cloud Upsampling via Gradient Descent with Learned Distance Functions [77.32043242988738]
  我々は、任意のアップサンプリングレートをサポートする、正確なポイントクラウドアップサンプリングのための新しいフレームワークを提案する。 提案手法は,まず,所定のアップサンプリング率に応じて低解像度の雲を補間する。
  論文  参考訳（メタデータ） (2023-04-24T06:36:35Z)
• PD-Flow: A Point Cloud Denoising Framework with Normalizing Flows [20.382995180671205]
  ポイント・クラウド・デノゲーション(Point cloud denoising)は、ノイズや外れ値によって破損した生の観測からクリーン・ポイント・クラウドを復元することを目的としている。 本稿では,正規化フローとノイズ分散手法を取り入れた,ディープラーニングに基づく新しいDenoisingモデルを提案する。
  論文  参考訳（メタデータ） (2022-03-11T14:17:58Z)
• Point Cloud Denoising via Momentum Ascent in Gradient Fields [72.93429911044903]
  ニューラルネットワークを用いて雑音点雲から勾配場を推定する勾配法を提案した。 そこで我々は, 過去の反復情報を利用して, 点の軌道を決定する運動量勾配上昇法を開発した。 実験により, 提案手法は, 様々な点群, ノイズタイプ, 騒音レベルを有する最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-02-21T10:21:40Z)
• Graph-Based Depth Denoising & Dequantization for Point Cloud Enhancement [47.61748619439693]
  3Dポイントの雲は通常、センサーが1つ以上の視点で取得した深さの測定から構築される。 以前の作業では、不完全な深度データを3D空間に投影した後、点雲テクティタ後部をノイズ化する。 本研究では,3次元点雲の合成に先立って,検出画像のテクスタイタ事前に直接深度測定を施す。
  論文  参考訳（メタデータ） (2021-11-09T04:17:35Z)
• Unrolling of Deep Graph Total Variation for Image Denoising [106.93258903150702]
  本稿では,従来のグラフ信号フィルタリングと深い特徴学習を併用して,競合するハイブリッド設計を提案する。 解釈可能な低パスグラフフィルタを用い、最先端のDL復調方式DnCNNよりも80%少ないネットワークパラメータを用いる。
  論文  参考訳（メタデータ） (2020-10-21T20:04:22Z)
• Hypergraph Spectral Analysis and Processing in 3D Point Cloud [80.25162983501308]
  3Dポイントクラウドは、3Dオブジェクトや周囲を特徴付ける基本的なデータ構造になっている。 3次元点雲を効率的に処理するには、基礎となる構造と外周騒音に適したモデルが常に重要である。 本稿では,高速な解析と処理が可能なハイパーグラフベースの新しいポイントクラウドモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-08T05:30:16Z)

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。