Fugu-MT 論文翻訳(概要): 1st Place Solution for ICCV 2023 OmniObject3D Challenge: Sparse-View Reconstruction

論文の概要: 1st Place Solution for ICCV 2023 OmniObject3D Challenge: Sparse-View Reconstruction

arxiv url: http://arxiv.org/abs/2404.10441v1
Date: Tue, 16 Apr 2024 10:26:57 GMT
ステータス: 処理完了
システム内更新日: 2024-04-17 17:13:30.394437
Title: 1st Place Solution for ICCV 2023 OmniObject3D Challenge: Sparse-View Reconstruction
Title（参考訳）: 1st Place Solution for ICCV 2023 OmniObject3D Challenge: Sparse-View Reconstruction
Authors: Hang Du, Yaping Xue, Weidong Dai, Xuejun Yan, Jingjing Wang,
Abstract要約: ICCV 2023 OmniObject3D Challenge: Sparse-View Reconstruction における第1位ソリューションを提案する。この課題は、各オブジェクトの少数の画像のみを用いて、新しいビュー合成と表面再構成のアプローチを評価することである。基本モデルとしてPixel-NeRFを用い,奥行き監視と粗い位置符号化を適用した。
参考スコア（独自算出の注目度）: 6.842116214537517
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this report, we present the 1st place solution for ICCV 2023 OmniObject3D Challenge: Sparse-View Reconstruction. The challenge aims to evaluate approaches for novel view synthesis and surface reconstruction using only a few posed images of each object. We utilize Pixel-NeRF as the basic model, and apply depth supervision as well as coarse-to-fine positional encoding. The experiments demonstrate the effectiveness of our approach in improving sparse-view reconstruction quality. We ranked first in the final test with a PSNR of 25.44614.
Abstract（参考訳）: 本報告では,ICCV 2023 OmniObject3D Challenge: Sparse-View Reconstructionにおける第1位ソリューションについて述べる。この課題は、各オブジェクトの少数の画像のみを用いて、新しいビュー合成と表面再構成のアプローチを評価することである。基本モデルとしてPixel-NeRFを用い,奥行き監視と粗い位置符号化を適用した。本実験は,スパースビューの再現性向上における提案手法の有効性を実証するものである。最終試験では,PSNR 25.44614 で第1位となった。

関連論文リスト

Pragmatist: Multiview Conditional Diffusion Models for High-Fidelity 3D Reconstruction from Unposed Sparse Views [23.94629999419033]
スパースから3D構造を推定すると、制約のない性質のため、予期せぬ観測は困難である。近年,データ駆動型入力から暗黙の表現を直接予測し,有望な結果を得る方法が提案されている。本研究では,限られた入力ビューから完全な観測結果を生成し,再構成を容易にする条件付き新規なビュー合成を提案する。
論文参考訳（メタデータ） (2024-12-11T14:30:24Z)
First Place Solution to the ECCV 2024 BRAVO Challenge: Evaluating Robustness of Vision Foundation Models for Semantic Segmentation [1.8570591025615457]
我々はECCV 2024 BRAVO Challengeの第1位となるソリューションを提示する。モデルはCityscapesでトレーニングされ、その堅牢性はいくつかのアウト・オブ・ディストリビューションデータセットで評価される。このアプローチは、より複雑な既存のアプローチよりも優れており、チャレンジにおいて第一位を達成しています。
論文参考訳（メタデータ） (2024-09-25T16:15:06Z)
PVP-Recon: Progressive View Planning via Warping Consistency for Sparse-View Surface Reconstruction [49.7580491592023]
PVP-Recon, 新規かつ効果的なスパースビュー表面再構成法を提案する。 PVP-Reconは3つのビューで初期表面の再構築を開始し、徐々に新しいビューを追加する。このプログレッシブビュー計画の進捗は、神経SDFベースの再構築モジュールによってインターリーブされる。
論文参考訳（メタデータ） (2024-09-09T10:06:34Z)
Improving Neural Surface Reconstruction with Feature Priors from Multi-View Image [87.00660347447494]
ニューラルサーフェス・コンストラクション(NSR)の最近の進歩は、ボリュームレンダリングと組み合わせることで、マルチビュー・コンストラクションを著しく改善している。本稿では,多種多様な視覚的タスクから価値ある特徴を活用すべく,特徴レベルの一貫した損失について検討する。 DTU と EPFL を用いて解析した結果,画像マッチングと多視点ステレオデータセットによる特徴が,他のプリテキストタスクよりも優れていたことが判明した。
論文参考訳（メタデータ） (2024-08-04T16:09:46Z)
Neural Poisson Surface Reconstruction: Resolution-Agnostic Shape Reconstruction from Point Clouds [53.02191521770926]
我々は,3次元形状を点から復元するという課題に対処する形状再構成アーキテクチャであるニューラルポアソン表面再構成(nPSR)を導入する。 nPSRには2つの大きな利点がある: まず、高分解能評価において同等の性能を達成しつつ、低分解能データの効率的なトレーニングを可能にする。全体として、ニューラル・ポアソン表面の再構成は、形状再構成における古典的なディープニューラルネットワークの限界を改良するだけでなく、再構築品質、走行時間、分解能非依存の観点からも優れた結果が得られる。
論文参考訳（メタデータ） (2023-08-03T13:56:07Z)
Self-Supervised Coordinate Projection Network for Sparse-View Computed Tomography [31.774432128324385]
本研究では,1つのSVシングラムからアーチファクトフリーCT像を再構成する自己監督コーディネートプロジェクションnEtwork(SCOPE)を提案する。暗黙的ニューラル表現ネットワーク(INR)を用いた類似の問題を解決する最近の研究と比較して、我々の重要な貢献は効果的で単純な再投射戦略である。
論文参考訳（メタデータ） (2022-09-12T06:14:04Z)
LRIP-Net: Low-Resolution Image Prior based Network for Limited-Angle CT Reconstruction [5.796842150589423]
ダウンサンプル投影データ上に低分解能再構成問題を構築する。再構成した低解像度画像を,元のリミテッドアングルCT問題に対する事前知識として利用する。
論文参考訳（メタデータ） (2022-07-30T13:03:20Z)
NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
論文参考訳（メタデータ） (2022-07-22T10:05:36Z)
Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
論文参考訳（メタデータ） (2020-10-12T08:04:24Z)
Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
論文参考訳（メタデータ） (2020-04-02T17:59:04Z)

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。