論文の概要: Atlanta Scaled layouts from non-central panoramas
- arxiv url: http://arxiv.org/abs/2401.17058v1
- Date: Tue, 30 Jan 2024 14:39:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 14:43:42.383854
- Title: Atlanta Scaled layouts from non-central panoramas
- Title（参考訳）: 非中央パノラマからのアトランタのスケールドレイアウト
- Authors: Bruno Berenguel-Baeta and Jesus Bermudez-Cameo and Jose J. Guerrero
- Abstract要約: 非中央取得システムを用いた屋内環境の3次元レイアウト復元のための新しい手法を提案する。
我々のアプローチは、非中央パノラマのディープラーニングと、単一パノラマからスケールしたレイアウトを復元する最初の試みである。
- 参考スコア（独自算出の注目度）: 5.2178708158547025
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we present a novel approach for 3D layout recovery of indoor
environments using a non-central acquisition system. From a non-central
panorama, full and scaled 3D lines can be independently recovered by geometry
reasoning without geometric nor scale assumptions. However, their sensitivity
to noise and complex geometric modeling has led these panoramas being little
investigated. Our new pipeline aims to extract the boundaries of the structural
lines of an indoor environment with a neural network and exploit the properties
of non-central projection systems in a new geometrical processing to recover an
scaled 3D layout. The results of our experiments show that we improve
state-of-the-art methods for layout reconstruction and line extraction in
non-central projection systems. We completely solve the problem in Manhattan
and Atlanta environments, handling occlusions and retrieving the metric scale
of the room without extra measurements. As far as the authors knowledge goes,
our approach is the first work using deep learning on non-central panoramas and
recovering scaled layouts from single panoramas.
- Abstract（参考訳）: 本研究では,非中央取得システムを用いた屋内環境の3次元レイアウト復元手法を提案する。
非中央パノラマから、フルおよびスケールされた3d線は幾何学的仮定もスケール的仮定もなしに幾何学的推論によって独立に復元することができる。
しかし、ノイズに対する感度と複雑な幾何学的モデリングにより、これらのパノラマはほとんど研究されていない。
新しいパイプラインは,屋内環境の構造線の境界をニューラルネットワークで抽出し,非中央投影システムの特性を新たな幾何学的処理で活用し,スケールした3dレイアウトを復元することを目的としている。
実験の結果,非中央プロジェクションシステムにおけるレイアウト再構成と線抽出の最先端手法の改善が示された。
マンハッタンとアトランタの環境では, 咬合を処理し, 余分な測定値なしで部屋のメートル法スケールを取得することで, 完全に解決した。
著者たちの知る限り、私たちのアプローチは、非中央パノラマ上でディープラーニングを使用して、単一のパノラマからスケールドレイアウトを回復する最初の作業です。
関連論文リスト
- Geometry-guided Feature Learning and Fusion for Indoor Scene Reconstruction [14.225228781008209]
本稿では3次元シーン再構成のための新しい幾何学的統合機構を提案する。
提案手法は,特徴学習,特徴融合,ネットワーク監視という3段階の3次元幾何学を取り入れている。
論文 参考訳（メタデータ） (2024-08-28T08:02:47Z) - GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。
提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
論文 参考訳（メタデータ） (2024-05-17T07:31:20Z) - ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。
この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文 参考訳（メタデータ） (2024-03-15T14:35:05Z) - Scaled 360 layouts: Revisiting non-central panoramas [5.2178708158547025]
非中央パノラマを用いた室内環境の3次元レイアウト復元手法を提案する。
我々は、新しい幾何学的処理において、非中央プロジェクションシステムの特性を利用して、スケールしたレイアウトを復元する。
論文 参考訳（メタデータ） (2024-02-02T14:55:36Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z) - Neural 3D Scene Reconstruction from Multiple 2D Images without 3D
Supervision [41.20504333318276]
平面制約下でのスパース深度を用いてシーンを3次元の監督なしに再構成する新しいニューラル再構成法を提案する。
シーンを表すために,符号付き距離関数場,色場,確率場を導入する。
我々は、これらのフィールドを最適化し、2D画像で識別可能な光線マーキングを監督することでシーンを再構築する。
論文 参考訳（メタデータ） (2023-06-30T13:30:48Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。
平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。
提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文 参考訳（メタデータ） (2022-05-05T17:59:55Z) - Neural Convolutional Surfaces [59.172308741945336]
この研究は、大域的、粗い構造から、微細で局所的で、おそらく繰り返される幾何学を歪める形状の表現に関係している。
このアプローチは, 最先端技術よりも優れたニューラル形状圧縮を実現するとともに, 形状詳細の操作と伝達を可能にする。
論文 参考訳（メタデータ） (2022-04-05T15:40:11Z) - LGT-Net: Indoor Panoramic Room Layout Estimation with Geometry-Aware
Transformer Network [1.3512949730789903]
部屋レイアウト推定のための効率的なネットワークLGT-Netを提案する。
実験の結果,提案したLGT-Netは,ベンチマークデータセット上での現在のSOTA(State-of-the-arts)よりも優れたパフォーマンスを実現することがわかった。
論文 参考訳（メタデータ） (2022-03-03T16:28:10Z)
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。