論文の概要: Adaptive Surface Normal Constraint for Geometric Estimation from
Monocular Images
- arxiv url: http://arxiv.org/abs/2402.05869v1
- Date: Thu, 8 Feb 2024 17:57:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 13:36:33.059193
- Title: Adaptive Surface Normal Constraint for Geometric Estimation from
Monocular Images
- Title(参考訳): 単眼画像からの幾何推定のための適応表面正規化
- Authors: Xiaoxiao Long, Yuhang Zheng, Yupeng Zheng, Beiwen Tian, Cheng Lin,
Lingjie Liu, Hao Zhao, Guyue Zhou, Wenping Wang
- Abstract要約: 本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。
提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。
本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
- 参考スコア(独自算出の注目度): 59.00008891108098
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a novel approach to learn geometries such as depth and surface
normal from images while incorporating geometric context. The difficulty of
reliably capturing geometric context in existing methods impedes their ability
to accurately enforce the consistency between the different geometric
properties, thereby leading to a bottleneck of geometric estimation quality. We
therefore propose the Adaptive Surface Normal (ASN) constraint, a simple yet
efficient method. Our approach extracts geometric context that encodes the
geometric variations present in the input image and correlates depth estimation
with geometric constraints. By dynamically determining reliable local geometry
from randomly sampled candidates, we establish a surface normal constraint,
where the validity of these candidates is evaluated using the geometric
context. Furthermore, our normal estimation leverages the geometric context to
prioritize regions that exhibit significant geometric variations, which makes
the predicted normals accurately capture intricate and detailed geometric
information. Through the integration of geometric context, our method unifies
depth and surface normal estimations within a cohesive framework, which enables
the generation of high-quality 3D geometry from images. We validate the
superiority of our approach over state-of-the-art methods through extensive
evaluations and comparisons on diverse indoor and outdoor datasets, showcasing
its efficiency and robustness.
- Abstract(参考訳): 幾何学的文脈を取り入れつつ,画像から深度や表面正規性などのジオメトリを学習する新しい手法を提案する。
既存の手法における幾何学的文脈を確実に捉えることの難しさは、異なる幾何学的性質間の一貫性を正しく強制する能力を妨げるため、幾何学的推定品質のボトルネックとなる。
そこで本研究では,単純かつ効率的な適応面正規化(adaptive surface normal, asn)制約を提案する。
提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。
ランダムにサンプリングされた候補から信頼できる局所幾何を動的に決定することにより、これらの候補の妥当性を幾何学的文脈を用いて評価する曲面正規制約を確立する。
さらに,我々は幾何学的文脈を活用し,重要な幾何学的変動を示す領域を優先し,予測された正規化が複雑で詳細な幾何学的情報を正確に捉えられるようにした。
幾何学的文脈の統合により,結束フレームワーク内での深度と表面の正規分布推定を統一し,画像から高品質な3次元幾何を生成する。
室内および屋外の多様なデータセットに対する広範な評価と比較を通じて、最先端手法に対するアプローチの優位性を検証し、その効率性と堅牢性を示す。
関連論文リスト
- Towards Geometric-Photometric Joint Alignment for Facial Mesh
Registration [3.588864037082647]
本稿では,幾何情報と測光情報を組み合わせることで,人間の表情を正確に整列する幾何学的・測光的関節アライメント法を提案する。
実験結果は,従来のICPに基づく手法と最先端のディープラーニングに基づく手法を超越した,様々な表現の下で忠実なアライメントを示す。
本手法は,多視点ステレオ顔スキャンからトポロジに一貫性のある顔モデルを得る効率を高める。
論文 参考訳(メタデータ) (2024-03-05T03:39:23Z) - Geometrically Consistent Partial Shape Matching [50.29468769172704]
3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。
しばしば無視されるが、整合幾何学の重要な性質は整合性である。
本稿では,新しい整数型線形計画部分形状整合式を提案する。
論文 参考訳(メタデータ) (2023-09-10T12:21:42Z) - Neural Latent Geometry Search: Product Manifold Inference via
Gromov-Hausdorff-Informed Bayesian Optimization [21.97865037637575]
我々は、この新しい定式化を数学的に定義し、ニューラル潜在幾何探索(NLGS)として作成する。
計量幾何学からのグロモフ・ハウスドルフ距離に基づいて、候補潜在測地間の距離の新たな概念を提案する。
次に、潜在測地間の滑らかさの概念に基づいてグラフ探索空間を設計し、その計算を帰納バイアスとして利用する。
論文 参考訳(メタデータ) (2023-09-09T14:29:22Z) - Exploring Data Geometry for Continual Learning [64.4358878435983]
非定常データストリームのデータ幾何を探索することにより,新しい視点から連続学習を研究する。
提案手法は,新しいデータによって引き起こされる幾何構造に対応するために,基底空間の幾何学を動的に拡張する。
実験により,本手法はユークリッド空間で設計したベースライン法よりも優れた性能が得られることが示された。
論文 参考訳(メタデータ) (2023-04-08T06:35:25Z) - Topology optimization with physics-informed neural networks: application
to noninvasive detection of hidden geometries [0.40611352512781856]
本稿では,隠れた幾何学構造を検出するためのPINNに基づくトポロジ最適化フレームワークを提案する。
非線形弾性体および非線形弾性体における隠れヴォイドおよび包有物の数,位置,形状を検出することにより,我々の枠組みを検証した。
論文 参考訳(メタデータ) (2023-03-13T12:44:32Z) - Curved Geometric Networks for Visual Anomaly Recognition [39.91252195360767]
データ分布の根底にある性質を理解するために潜伏埋め込みを学ぶことは、曲率ゼロのユークリッド空間でしばしば定式化される。
本研究では,データ中の異常やアウト・オブ・ディストリビューション・オブジェクトを解析するための曲線空間の利点について検討する。
論文 参考訳(メタデータ) (2022-08-02T01:15:39Z) - Geometric Methods for Sampling, Optimisation, Inference and Adaptive
Agents [102.42623636238399]
我々は,サンプリング,最適化,推論,適応的意思決定といった問題に根ざした基本的な幾何学的構造を同定する。
これらの問題を効率的に解くためにこれらの幾何学的構造を利用するアルゴリズムを導出する。
論文 参考訳(メタデータ) (2022-03-20T16:23:17Z) - Adaptive Surface Normal Constraint for Depth Estimation [102.7466374038784]
アダプティブサーフェスノーマル(ASN)制約と呼ばれるシンプルで効果的な手法を導入し、深さ推定と幾何学的一貫性を相関させます。
本手法は3次元形状を忠実に再構成でき,境界,鋭角,雑音などの局所形状変化に頑健である。
論文 参考訳(メタデータ) (2021-03-29T10:36:25Z) - GeoNet++: Iterative Geometric Neural Network with Edge-Aware Refinement
for Joint Depth and Surface Normal Estimation [204.13451624763735]
本研究では,エッジアウェア・リファインメント(GeoNet++)を用いた幾何ニューラルネットワークを提案し,単一の画像から深さと表面正規写像の両方を共同で予測する。
geonet++は、強い3d一貫性と鋭い境界を持つ深さと表面の正常を効果的に予測する。
画素単位の誤差/精度を評価することに焦点を当てた現在の測定値とは対照的に、3DGMは予測深度が高品質な3D表面の正常を再構築できるかどうかを測定する。
論文 参考訳(メタデータ) (2020-12-13T06:48:01Z)
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。