論文の概要: Perceptual Crack Detection for Rendered 3D Textured Meshes
- arxiv url: http://arxiv.org/abs/2405.06143v1
- Date: Thu, 9 May 2024 23:31:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 17:06:55.291977
- Title: Perceptual Crack Detection for Rendered 3D Textured Meshes
- Title（参考訳）: レンダリング3次元テクスチャメッシュの知覚的き裂検出
- Authors: Armin Shafiee Sarvestani, Wei Zhou, Zhou Wang,
- Abstract要約: そこで我々は,新しいパーセプチュアル・クラック検出法(PCD)を提案する。
人間の視覚システム(HVS)の特徴に触発され,コントラストとラプラシアン測定モジュールを採用した。
3次元テクスチャメッシュの大規模公開データセット実験により,提案手法の有効性と有効性を示した。
- 参考スコア（独自算出の注目度）: 9.238191659663855
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent years have witnessed many advancements in the applications of 3D textured meshes. As the demand continues to rise, evaluating the perceptual quality of this new type of media content becomes crucial for quality assurance and optimization purposes. Different from traditional image quality assessment, crack is an annoying artifact specific to rendered 3D meshes that severely affects their perceptual quality. In this work, we make one of the first attempts to propose a novel Perceptual Crack Detection (PCD) method for detecting and localizing crack artifacts in rendered meshes. Specifically, motivated by the characteristics of the human visual system (HVS), we adopt contrast and Laplacian measurement modules to characterize crack artifacts and differentiate them from other undesired artifacts. Extensive experiments on large-scale public datasets of 3D textured meshes demonstrate effectiveness and efficiency of the proposed PCD method in correct localization and detection of crack artifacts. %Specifically, We propose a full-reference crack artifact localization method that operates on a pair of input snapshots of distorted and reference 3D objects to generate a final crack map. Moreover, to quantify the performance of the proposed detection method and validate its effectiveness, we propose a simple yet effective weighting mechanism to incorporate the resulting crack map into classical quality assessment (QA) models, which creates significant performance improvement in predicting the perceptual image quality when tested on public datasets of static 3D textured meshes. A software release of the proposed method is publicly available at: https://github.com/arshafiee/crack-detection-VVM
- Abstract（参考訳）: 近年では3Dテクスチャメッシュの応用に多くの進歩が見られる。
需要が高まるにつれて、この新しいタイプのメディアコンテンツの知覚的品質を評価することは、品質保証と最適化の目的に欠かせないものとなる。
従来の画像品質評価とは違って、クラックはレンダリングされた3Dメッシュに特有の厄介なアーティファクトで、知覚品質に深刻な影響を与えます。
本研究では,新しいPCD(Perceptual Crack Detection)手法を提案する。
具体的には,ヒト視覚システム(HVS)の特徴を動機として,クラックアーティファクトを特徴付けるためにコントラストとラプラシア計測モジュールを採用し,他の望ましくないアーティファクトと区別する。
3次元テクスチャメッシュの大規模公開データセットに対する大規模な実験は, き裂の正確な位置決めと検出におけるPCD法の有効性と有効性を示した。
%) より, 変形した3次元オブジェクトと参照したオブジェクトの1対の入力スナップショットに基づいて, 最終クラックマップを生成する全参照クラックアーティファクトローカライズ手法を提案する。
さらに,提案手法の性能を定量化し,その有効性を検証するため,静的な3次元テクスチャメッシュの公開データセットで検証した場合の知覚画像品質の予測において,従来の品質評価(QA)モデルにクラックマップを組み込むための簡易かつ効果的な重み付け機構を提案する。
提案手法のソフトウェアリリースは、https://github.com/arshafiee/crack-detection-VVMで公開されている。
関連論文リスト
- Hardness-Aware Scene Synthesis for Semi-Supervised 3D Object Detection [59.33188668341604]
3次元物体検出は、自律運転知覚の基本的なタスクとして機能する。
ポイントクラウドデータのための高品質なアノテーションを得るためには、コストがかかる。
本稿では,適応型合成シーンを生成するために,ハードネス対応シーン合成(HASS)手法を提案する。
論文 参考訳（メタデータ） (2024-05-27T17:59:23Z) - Compressed Deepfake Video Detection Based on 3D Spatiotemporal Trajectories [10.913345858983275]
悪意あるアクターによるディープフェイク技術は、国家、社会、個人に潜在的な脅威をもたらす。
本稿では,3次元動作特徴に基づくディープフェイク映像検出手法を提案する。
提案手法は良好な結果をもたらし,実用化の可能性を示す。
論文 参考訳（メタデータ） (2024-04-28T11:48:13Z) - Calib3D: Calibrating Model Preferences for Reliable 3D Scene Understanding [55.32861154245772]
Calib3Dは3Dシーン理解モデルの信頼性をベンチマークし精査する先駆的な試みである。
10種類の3Dデータセットにわたる28の最先端モデルを評価した。
本稿では,3次元モデルのキャリブレーション向上を目的とした,深度対応のスケーリング手法であるDeptSを紹介する。
論文 参考訳（メタデータ） (2024-03-25T17:59:59Z) - A Quantitative Evaluation of Score Distillation Sampling Based
Text-to-3D [54.78611187426158]
本研究では,SDS手法の故障事例を定量的に分析し,人間の評価によって相互に検証する,より客観的な定量的評価指標を提案する。
計算効率の良い新しいベースラインモデルを設計することで,この解析の有効性を実証する。
論文 参考訳（メタデータ） (2024-02-29T00:54:09Z) - RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering
Assisted Distillation [50.35403070279804]
マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。
本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
論文 参考訳（メタデータ） (2023-12-19T03:39:56Z) - Benchmarking performance of object detection under image distortions in
an uncontrolled environment [0.483420384410068]
オブジェクト検出アルゴリズムの堅牢性は、現実世界のアプリケーションにおいて顕著な役割を果たす。
物体検出法の性能は, 被写体内歪みに悩まされていることが証明されている。
本稿では,最先端のオブジェクト検出手法の性能評価フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-28T09:06:52Z) - Stereo Neural Vernier Caliper [57.187088191829886]
学習に基づくステレオ3Dオブジェクト検出のための新しいオブジェクト中心フレームワークを提案する。
初期3次元立方体推定値から改良された更新を予測する方法の問題に対処する。
提案手法は,KITTIベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2022-03-21T14:36:07Z) - Geometry-aware data augmentation for monocular 3D object detection [18.67567745336633]
本稿では,自動運転システムにおける必須モジュールの一つであるモノキュラー3次元物体検出について述べる。
重要な課題は、深さ回復問題は単眼データに不備があることです。
我々は,既存の手法が,異なる幾何学的シフトが発生した場合の深さをロバストに推定できないことを明らかにするために,詳細な解析を行う。
上記の操作を,対応する4つの3D対応データ拡張手法に変換する。
論文 参考訳（メタデータ） (2021-04-12T23:12:48Z) - Secrets of 3D Implicit Object Shape Reconstruction in the Wild [92.5554695397653]
コンピュータビジョン、ロボティクス、グラフィックスの様々な用途において、高精細な3Dオブジェクトをスパースから再構築することは重要です。
最近の神経暗黙的モデリング法は、合成データセットまたは高密度データセットで有望な結果を示す。
しかし、粗末でノイズの多い実世界のデータではパフォーマンスが悪い。
本論文では, 一般的な神経暗黙モデルの性能低下の根本原因を解析する。
論文 参考訳（メタデータ） (2021-01-18T03:24:48Z)
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。