論文の概要: One-to-many Reconstruction of 3D Geometry of cultural Artifacts using a
synthetically trained Generative Model
- arxiv url: http://arxiv.org/abs/2402.08310v1
- Date: Tue, 13 Feb 2024 09:13:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 15:50:23.225313
- Title: One-to-many Reconstruction of 3D Geometry of cultural Artifacts using a
synthetically trained Generative Model
- Title（参考訳）: 合成学習型生成モデルによる文化財の3次元形状の1対1再構成
- Authors: Thomas P\"ollabauer, Julius K\"uhn, Jiayi Li, Arjan Kuijper
- Abstract要約: 提案手法は1枚のスケッチから様々な詳細な3D表現を生成する。
トレーニング用の合成データにのみ依存しており、少数のトレーニング例であっても適用可能である。
- 参考スコア（独自算出の注目度）: 8.762635528934084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Estimating the 3D shape of an object using a single image is a difficult
problem. Modern approaches achieve good results for general objects, based on
real photographs, but worse results on less expressive representations such as
historic sketches. Our automated approach generates a variety of detailed 3D
representation from a single sketch, depicting a medieval statue, and can be
guided by multi-modal inputs, such as text prompts. It relies solely on
synthetic data for training, making it adoptable even in cases of only small
numbers of training examples. Our solution allows domain experts such as a
curators to interactively reconstruct potential appearances of lost artifacts.
- Abstract（参考訳）: 一つの画像を用いて物体の3次元形状を推定することは困難である。
現代のアプローチは、実際の写真に基づく一般的なオブジェクトに対して良い結果をもたらすが、歴史的なスケッチのような表現力の低い表現には悪い結果をもたらす。
我々の自動的アプローチは、中世の像を描いた1枚のスケッチから様々な詳細な3D表現を生成し、テキストプロンプトなどのマルチモーダル入力でガイドすることができる。
トレーニング用の合成データのみに依存しており、少数のトレーニング例であっても適用可能である。
このソリューションにより、キュレーターのようなドメインの専門家は、失われたアーティファクトの潜在的な外観をインタラクティブに再構築することができる。
関連論文リスト
- EasyHOI: Unleashing the Power of Large Models for Reconstructing Hand-Object Interactions in the Wild [79.71523320368388]
本研究の目的は,手動物体のインタラクションを単一視点画像から再構築することである。
まず、手ポーズとオブジェクト形状を推定する新しいパイプラインを設計する。
最初の再構築では、事前に誘導された最適化方式を採用する。
論文 参考訳（メタデータ） (2024-11-21T16:33:35Z) - Shape, Pose, and Appearance from a Single Image via Bootstrapped
Radiance Field Inversion [54.151979979158085]
提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。
そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。
当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
論文 参考訳（メタデータ） (2022-11-21T17:42:42Z) - Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。
提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。
本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
論文 参考訳（メタデータ） (2022-03-18T01:42:59Z) - De-rendering 3D Objects in the Wild [21.16153549406485]
物体の1つの像を1つの形状に分解できる弱教師付き手法を提案する。
トレーニングでは、学習プロセスをブートストラップするために、トレーニング対象の粗い初期形状の推定にのみ依存する。
本実験では,2次元画像を3次元表現にデレンダリングし,未知のオブジェクトカテゴリに一般化できることを示す。
論文 参考訳（メタデータ） (2022-01-06T23:50:09Z) - LOLNeRF: Learn from One Look [22.771493686755544]
本稿では,ニューラルレイディアンス場に基づく生成3次元モデル学習手法を提案する。
既存の手法とは異なり、この目標を達成するためにマルチビューデータを必要としないことを示す。
論文 参考訳（メタデータ） (2021-11-19T01:20:01Z) - Multi-person Implicit Reconstruction from a Single Image [37.6877421030774]
本稿では,1つの画像から複数の人物の詳細な空間的コヒーレントな再構築を実現するための新しいエンドツーエンド学習フレームワークを提案する。
既存のマルチパーソンメソッドは、モデルベースで、ゆるい服と髪の人々の正確な3dモデルをキャプチャできないことが多いという、2つの大きな欠点を抱えている。
論文 参考訳（メタデータ） (2021-04-19T13:21:55Z) - Neural Articulated Radiance Field [90.91714894044253]
本稿では,画像から学習した明瞭な物体に対する新しい変形可能な3次元表現であるニューラルArticulated Radiance Field(NARF)を提案する。
実験の結果,提案手法は効率的であり,新しいポーズにうまく一般化できることがわかった。
論文 参考訳（メタデータ） (2021-04-07T13:23:14Z) - 3D Reconstruction of Novel Object Shapes from Single Images [23.016517962380323]
提案するSDFNetは,目に見える形状と見えない形状の最先端性能を実現する。
本研究は, 画像形状再構成の大規模評価を行った最初の試みである。
論文 参考訳（メタデータ） (2020-06-14T00:34:26Z) - Learning Pose-invariant 3D Object Reconstruction from Single-view Images [61.98279201609436]
本稿では,単視点画像のみから3次元形状を学習する,より現実的な構成について検討する。
最大の難しさは、単一のビューイメージが提供できる制約の不足にある。
本稿では, 対角コンパクトな形状空間を学習するために, 効果的な対角領域混同法を提案する。
論文 参考訳（メタデータ） (2020-04-03T02:47:35Z) - Chained Representation Cycling: Learning to Estimate 3D Human Pose and
Shape by Cycling Between Representations [73.11883464562895]
本稿では,教師なし,あるいは教師なしの学習を容易にする新しいアーキテクチャを提案する。
本研究では,非ペア画像と無注釈画像から3次元人物のポーズと形状を学習することにより,その手法を実証する。
人間をモデル化するための結果を示す一方で、私たちの定式化は一般的であり、他の視覚問題にも適用できる。
論文 参考訳（メタデータ） (2020-01-06T14:54:00Z)
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。