論文の概要: DIO: Dataset of 3D Mesh Models of Indoor Objects for Robotics and
Computer Vision Applications
- arxiv url: http://arxiv.org/abs/2402.11836v1
- Date: Mon, 19 Feb 2024 04:58:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-20 18:30:53.639143
- Title: DIO: Dataset of 3D Mesh Models of Indoor Objects for Robotics and
Computer Vision Applications
- Title(参考訳): DIO:ロボットとコンピュータビジョンのための室内物体の3次元メッシュモデルのデータセット
- Authors: Nillan Nimal, Wenbin Li, Ronald Clark, Sajad Saeedi
- Abstract要約: 現実世界の物体の正確な仮想モデルを作成することは、ロボットシミュレーションやコンピュータビジョンのような応用に不可欠である。
本稿では,現実世界のオブジェクトのメッシュモデルのデータベース生成に使用するさまざまな手法について述べる。
- 参考スコア(独自算出の注目度): 17.637438333501628
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The creation of accurate virtual models of real-world objects is imperative
to robotic simulations and applications such as computer vision, artificial
intelligence, and machine learning. This paper documents the different methods
employed for generating a database of mesh models of real-world objects. These
methods address the tedious and time-intensive process of manually generating
the models using CAD software. Essentially, DSLR/phone cameras were employed to
acquire images of target objects. These images were processed using a
photogrammetry software known as Meshroom to generate a dense surface
reconstruction of the scene. The result produced by Meshroom was edited and
simplified using MeshLab, a mesh-editing software to produce the final model.
Based on the obtained models, this process was effective in modelling the
geometry and texture of real-world objects with high fidelity. An active 3D
scanner was also utilized to accelerate the process for large objects. All
generated models and captured images are made available on the website of the
project.
- Abstract(参考訳): 現実世界のオブジェクトの正確な仮想モデルの作成は、ロボットシミュレーションやコンピュータビジョン、人工知能、機械学習といった応用に必須である。
本稿では,現実世界のオブジェクトのメッシュモデルのデータベース生成に使用するさまざまな手法について述べる。
これらの方法はCADソフトウェアを用いて手動でモデルを生成するという面倒で時間を要するプロセスに対処する。
基本的には、ターゲットオブジェクトの画像を取得するためにDSLR/電話カメラが使用された。
これらの画像は、メッシュルームと呼ばれるフォトグラメトリーソフトウェアを使用して処理され、シーンの高密度な表面再構成を生成する。
Meshroomが作成した結果は、メッシュ編集ソフトウェアであるMeshLabを使用して、最終モデルの作成と簡略化が行われた。
得られたモデルに基づき、このプロセスは実世界の物体の形状とテクスチャを高い忠実度でモデル化するのに有効である。
アクティブな3dスキャナも、大きなオブジェクトの処理を加速するために利用された。
生成されたモデルとキャプチャされたイメージはすべて、プロジェクトのWebサイトで利用可能である。
関連論文リスト
- Filling the Holes on 3D Heritage Object Surface based on Automatic
Segmentation Algorithm [0.0]
本稿では, 自動セグメンテーションに基づく3次元物体表面に穴を埋める改良手法を提案する。
この方法は3次元の点雲表面と三角形のメッシュ表面の両方に作用する。
論文 参考訳(メタデータ) (2023-10-16T23:01:39Z) - Visual Localization using Imperfect 3D Models from the Internet [54.731309449883284]
本稿では,3次元モデルにおける欠陥が局所化精度に与える影響について検討する。
インターネットから得られる3Dモデルは、容易に表現できるシーン表現として有望であることを示す。
論文 参考訳(メタデータ) (2023-04-12T16:15:05Z) - GET3D: A Generative Model of High Quality 3D Textured Shapes Learned
from Images [72.15855070133425]
本稿では,複雑なトポロジ,リッチな幾何学的ディテール,高忠実度テクスチャを備えたExplicit Textured 3Dメッシュを直接生成する生成モデルであるGET3Dを紹介する。
GET3Dは、車、椅子、動物、バイク、人間キャラクターから建物まで、高品質な3Dテクスチャメッシュを生成することができる。
論文 参考訳(メタデータ) (2022-09-22T17:16:19Z) - Geometric Processing for Image-based 3D Object Modeling [2.6397379133308214]
本稿では,幾何処理の3つの主要構成要素の最先端手法について紹介する:(1)ジオレファレンス; 2)画像密度マッチング3)テクスチャマッピング。
3Dオブジェクト再構成ワークフローにおける画像の大部分が自動化された幾何処理は、現実的な3Dモデリングの重要な部分となっている。
論文 参考訳(メタデータ) (2021-06-27T18:33:30Z) - Supervised Training of Dense Object Nets using Optimal Descriptors for
Industrial Robotic Applications [57.87136703404356]
Florence、Manuelli、TedrakeによるDense Object Nets(DON)は、ロボットコミュニティのための新しいビジュアルオブジェクト表現として高密度オブジェクト記述子を導入した。
本稿では, 物体の3次元モデルを考えると, 記述子空間画像を生成することができ, DON の教師付きトレーニングが可能であることを示す。
産業用物体の6次元グリップ生成のためのトレーニング手法を比較し,新しい教師付きトレーニング手法により,産業関連タスクのピック・アンド・プレイス性能が向上することを示す。
論文 参考訳(メタデータ) (2021-02-16T11:40:12Z) - SMPLpix: Neural Avatars from 3D Human Models [56.85115800735619]
従来のレンダリングと画素空間で動作する最新の生成ネットワークのギャップを埋める。
我々は、スパースな3Dメッシュ頂点をフォトリアリスティックな画像に変換するネットワークを訓練する。
我々は,フォトリアリズムのレベルとレンダリング効率の両面で,従来の微分可能よりも優位性を示す。
論文 参考訳(メタデータ) (2020-08-16T10:22:00Z) - Mask2CAD: 3D Shape Prediction by Learning to Segment and Retrieve [54.054575408582565]
本稿では,既存の3次元モデルの大規模データセットを活用し,画像中の物体の3次元構造を理解することを提案する。
本稿では,実世界の画像と検出対象を共同で検出するMask2CADについて,最も類似したCADモデルとそのポーズを最適化する。
これにより、画像内のオブジェクトのクリーンで軽量な表現が生成される。
論文 参考訳(メタデータ) (2020-07-26T00:08:37Z) - Towards Realistic 3D Embedding via View Alignment [53.89445873577063]
本稿では,3次元モデルを2次元背景画像に現実的に,かつ自動的に埋め込み,新たな画像を構成する,革新的なビューアライメントGAN(VA-GAN)を提案する。
VA-GANはテクスチャジェネレータとディファレンシャルディスクリミネーターで構成され、相互接続され、エンドツーエンドのトレーニングが可能である。
論文 参考訳(メタデータ) (2020-07-14T14:45:00Z) - Leveraging 2D Data to Learn Textured 3D Mesh Generation [33.32377849866736]
テクスチャ化された3Dメッシュの最初の生成モデルを示す。
我々は、各画像を3Dフォアグラウンドオブジェクトとしてモデル化することで、画像の分布を説明するためにモデルを訓練する。
レンダリングされたメッシュを生成して、トレーニングセットと同じようなイメージを生成する。
論文 参考訳(メタデータ) (2020-04-08T18:00:37Z)
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。