論文の概要: Surface reconstruction of sampled textiles via Morse theory
- arxiv url: http://arxiv.org/abs/2405.17257v1
- Date: Mon, 27 May 2024 15:14:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-28 14:53:29.013805
- Title: Surface reconstruction of sampled textiles via Morse theory
- Title（参考訳）: モース理論による試料繊維の表面改質
- Authors: Franco Coltraro, Jaume Amorós, Maria Alberich-Carramiñana, Carme Torras,
- Abstract要約: サンプル繊維表面の直接トポロジカルな研究に基づく再構成アルゴリズムを提案する。
中間三角法や局所暗黙の方程式は使われず、再建によって引き起こされる工芸品を避ける。
このアルゴリズムは、任意の次元の周囲空間に埋め込まれた境界の有無にかかわらず滑らかな曲面に適用することができる。
- 参考スコア（独自算出の注目度）: 4.166095721909433
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this work, we study the perception problem for garments using tools from computational topology: the identification of their geometry and position in space from point-cloud samples, as obtained e.g. with 3D scanners. We present a reconstruction algorithm based on a direct topological study of the sampled textile surface that allows us to obtain a cellular decomposition of it via a Morse function. No intermediate triangulation or local implicit equations are used, avoiding reconstruction-induced artifices. No a priori knowledge of the surface topology, density or regularity of the point-sample is required to run the algorithm. The results are a piecewise decomposition of the surface as a union of Morse cells (i.e. topological disks), suitable for tasks such as noise-filtering or mesh-independent reparametrization, and a cell complex of small rank determining the surface topology. This algorithm can be applied to smooth surfaces with or without boundary, embedded in an ambient space of any dimension.
- Abstract（参考訳）: 本研究では,3次元スキャナーを用いて,点雲試料から空間内の形状と位置を同定し,計算トポロジからのツールを用いた衣服の知覚問題について検討する。
サンプル繊維表面の直接トポロジカルな研究に基づいて再構成アルゴリズムを提案し,モース関数を用いてその細胞の分解を得られるようにした。
中間三角法や局所暗黙の方程式は使われず、再建によって引き起こされる工芸品を避ける。
点サンプルの表面トポロジー、密度、正則性に関する事前知識は、アルゴリズムの実行には必要ない。
その結果,Morse細胞(すなわちトポロジカルディスク)の結合として表面を断片的に分解し,ノイズフィルタやメッシュ非依存的リパラメトリゼーションなどのタスクに適した,表面トポロジを決定する小さなランクの細胞複合体が得られた。
このアルゴリズムは、任意の次元の周囲空間に埋め込まれた境界の有無にかかわらず滑らかな曲面に適用することができる。
関連論文リスト
- GEM3D: GEnerative Medial Abstractions for 3D Shape Synthesis [25.594334301684903]
GEM3Dは3次元形状の新しい深層トポロジ対応生成モデルである。
本手法の主な要素は,形状トポロジーと幾何学の両方の情報をコードする神経骨格に基づく表現である。
我々は,最先端技術と比較して,表面の忠実な再構築と多様な形状生成結果を示す。
論文 参考訳（メタデータ） (2024-02-26T20:00:57Z) - Segmentation of 3D pore space from CT images using curvilinear skeleton:
application to numerical simulation of microbial decomposition [1.0485739694839669]
グレーレベル3次元CTスキャナ画像から、単純な画像処理ツールを用いて、孔空間のボクセルベースの記述(最大数億のボクセル)を抽出することができる。
いくつかの最近の研究は, 排水, 拡散, 微生物分解の数値シミュレーションのために, 細孔空間のピースワイズ近似を定義するための基本解析体積プリミティブを提案する。
そこで本研究では,カービリナースケルトンから計算したボクセル(領域)の幾何学的に関連付けられた連結部分集合を用いて,孔間空間を記述する別の方法について検討する。
論文 参考訳（メタデータ） (2023-09-04T13:51:40Z) - NeuralMeshing: Differentiable Meshing of Implicit Neural Representations [63.18340058854517]
ニューラルな暗黙表現から表面メッシュを抽出する新しい微分可能なメッシュアルゴリズムを提案する。
本手法は,通常のテッセルレーションパターンと,既存の手法に比べて三角形面の少ないメッシュを生成する。
論文 参考訳（メタデータ） (2022-10-05T16:52:25Z) - Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal
Charts and Distortion [71.52576837870166]
我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。
その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。
我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
論文 参考訳（メタデータ） (2022-07-29T16:55:06Z) - DeepMesh: Differentiable Iso-Surface Extraction [53.77622255726208]
本稿では,Deep Implicit Fieldsから表面メッシュを明示的に表現する方法を提案する。
我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。
私たちはこれを利用して、そのトポロジを変えることができるDeepMesh – エンドツーエンドの差別化可能なメッシュ表現を定義する。
論文 参考訳（メタデータ） (2021-06-20T20:12:41Z) - Neural Surface Maps [38.172396047006266]
我々は、サーフェスマップを符号化するニューラルネットワークを提唱する。
表面をアトラスで定義し、表面-表面マッピングのために構成し、歪みの概念など、それらに関連する微分可能な対象を自明な方法で最適化することは容易であることを示す。
論文 参考訳（メタデータ） (2021-03-31T09:48:26Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳（メタデータ） (2020-10-23T14:49:02Z) - MeshSDF: Differentiable Iso-Surface Extraction [45.769838982991736]
本稿では,Deep Signed Distance関数から表面メッシュを明示的に表現する方法を提案する。
我々の重要な洞察は、暗黙の場摂動が局所的な表面形状にどのように影響するかを推論することによって、最終的に表面サンプルの3次元位置を区別できるということである。
我々はこれを利用して、そのトポロジを変えることができるエンドツーエンドの差別化可能なメッシュ表現であるMeshSDFを定義します。
論文 参考訳（メタデータ） (2020-06-06T23:44:05Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳（メタデータ） (2020-02-24T14:13:29Z)
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。