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
- Scalable Cloud-Native Pipeline for Efficient 3D Model Reconstruction from Monocular Smartphone Images [9.61065600471628]
スマートフォンカメラで撮影したモノクロ2D画像から3Dモデルを自動的に再構築する,クラウドネイティブなパイプラインを提案する。
我々のソリューションは、組込み材料とテクスチャを備えた再利用可能な3Dモデルを作成し、外部ソフトウェアや3Dエンジンでエクスポート可能でカスタマイズできる。
論文 参考訳（メタデータ） (2024-09-28T11:15:26Z) - Photogrammetry for Digital Twinning Industry 4.0 (I4) Systems [0.43127334486935653]
デジタルツイン(Digital Twins、DT)は、物理プロセスの振る舞いを再現するためにソフトウェアシステムを活用する変換技術である。
本稿では,「物理過程」の正確な視覚表現を実現するために,フォトグラムメトリーと3次元走査技術の利用を探求することを目的とする。
その結果, コンシューマグレードデバイスを用いたフォトグラメトリは, スマート製造のためのDTを作成する上で, 効率的かつコスト効率のよいアプローチであることが示唆された。
論文 参考訳（メタデータ） (2024-07-12T04:51:19Z) - LAM3D: Large Image-Point-Cloud Alignment Model for 3D Reconstruction from Single Image [64.94932577552458]
大規模再構成モデルは、単一または複数入力画像から自動3Dコンテンツ生成の領域において大きな進歩を遂げている。
彼らの成功にもかかわらず、これらのモデルはしばしば幾何学的不正確な3Dメッシュを生成し、画像データからのみ3D形状を推論する固有の課題から生まれた。
生成した3Dメッシュの忠実度を高めるために3Dポイントクラウドデータを利用する新しいフレームワークであるLarge Image and Point Cloud Alignment Model (LAM3D)を導入する。
論文 参考訳（メタデータ） (2024-05-24T15:09:12Z) - ComboVerse: Compositional 3D Assets Creation Using Spatially-Aware Diffusion Guidance [76.7746870349809]
複雑な構成で高品質な3Dアセットを生成する3D生成フレームワークであるComboVerseについて,複数のモデルを組み合わせることを学習して紹介する。
提案手法は,標準スコア蒸留法と比較して,物体の空間的アライメントを重視している。
論文 参考訳（メタデータ） (2024-03-19T03:39:43Z) - ViewDiff: 3D-Consistent Image Generation with Text-to-Image Models [65.22994156658918]
実世界のデータから1つの認知過程において多視点画像を生成することを学習する手法を提案する。
我々は、任意の視点でより多くの3D一貫性のある画像をレンダリングする自己回帰生成を設計する。
論文 参考訳（メタデータ） (2024-03-04T07:57:05Z) - 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) - 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) - 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。