Fugu-MT 論文翻訳(概要): Simultaneous Map and Object Reconstruction

論文の概要: Simultaneous Map and Object Reconstruction

arxiv url: http://arxiv.org/abs/2406.13896v1
Date: Wed, 19 Jun 2024 23:53:31 GMT
ステータス: 処理完了
システム内更新日: 2024-06-21 17:56:21.991394
Title: Simultaneous Map and Object Reconstruction
Title（参考訳）: 同時マップとオブジェクト再構成
Authors: Nathaniel Chodosh, Anish Madan, Deva Ramanan, Simon Lucey,
Abstract要約: 本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。我々は、最近の新しいビュー合成法から着想を得て、大域的な最適化として再構築問題を提起する。連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。
参考スコア（独自算出の注目度）: 66.66729715211642
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a method for dynamic surface reconstruction of large-scale urban scenes from LiDAR. Depth-based reconstructions tend to focus on small-scale objects or large-scale SLAM reconstructions that treat moving objects as outliers. We take a holistic perspective and optimize a compositional model of a dynamic scene that decomposes the world into rigidly moving objects and the background. To achieve this, we take inspiration from recent novel view synthesis methods and pose the reconstruction problem as a global optimization, minimizing the distance between our predicted surface and the input LiDAR scans. We show how this global optimization can be decomposed into registration and surface reconstruction steps, which are handled well by off-the-shelf methods without any re-training. By careful modeling of continuous-time motion, our reconstructions can compensate for the rolling shutter effects of rotating LiDAR sensors. This allows for the first system (to our knowledge) that properly motion compensates LiDAR scans for rigidly-moving objects, complementing widely-used techniques for motion compensation of static scenes. Beyond pursuing dynamic reconstruction as a goal in and of itself, we also show that such a system can be used to auto-label partially annotated sequences and produce ground truth annotation for hard-to-label problems such as depth completion and scene flow.
Abstract（参考訳）: 本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。奥行きに基づく再構築は、移動物体を外れ値として扱う小さな物体や大規模なSLAM再構成に焦点を当てる傾向がある。我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。そこで我々は,新しいビュー合成法から着想を得て,予測表面と入力LiDARスキャンの距離を最小化して,再構成問題を大域的最適化として提案する。本稿では,この大域的最適化を登録と表面再構成の段階に分解し,再学習を伴わずに市販の手法でうまく処理できることを示す。連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。これにより、厳格に動く物体のLiDARスキャンを適切に動作させる最初のシステム(私たちの知る限り)が、静的なシーンの運動補償に広く使われているテクニックを補完する。また, 動的再構成を目標とするだけでなく, 部分的にアノテートされたシーケンスを自動ラベル化して, 深度補完やシーンフローなどのハード・トゥ・ラベル問題に対して, 基底真理アノテーションを生成できることを示す。

関連論文リスト

Adaptive and Temporally Consistent Gaussian Surfels for Multi-view Dynamic Reconstruction [3.9363268745580426]
AT-GSは、フレーム単位のインクリメンタル最適化により、多視点ビデオから高品質な動的曲面を再構成する新しい手法である。連続するフレーム間の曲率写像の整合性を確保することにより、動的表面における時間的ジッタリングを低減する。本手法は動的表面再構成の精度と時間的コヒーレンスを向上し,高忠実度空間時間新奇なビュー合成を実現する。
論文参考訳（メタデータ） (2024-11-10T21:30:16Z)
MonST3R: A Simple Approach for Estimating Geometry in the Presence of Motion [118.74385965694694]
我々は動的シーンから時間ステップごとの幾何を直接推定する新しい幾何学的アプローチであるMotion DUSt3R(MonST3R)を提案する。各タイムステップのポイントマップを単純に推定することで、静的シーンにのみ使用されるDUST3Rの表現を動的シーンに効果的に適応させることができる。我々は、問題を微調整タスクとしてポーズし、いくつかの適切なデータセットを特定し、この制限されたデータ上でモデルを戦略的に訓練することで、驚くほどモデルを動的に扱えることを示す。
論文参考訳（メタデータ） (2024-10-04T18:00:07Z)
OmniRe: Omni Urban Scene Reconstruction [78.99262488964423]
デバイス上でのログから高忠実度な都市景観を効率的に再構築するための総合的アプローチであるOmniReを紹介する。我々はOmniReという名前のシーンを駆動するための総合的な3DGSフレームワークを提案する。
論文参考訳（メタデータ） (2024-08-29T17:56:33Z)
SceNeRFlow: Time-Consistent Reconstruction of General Dynamic Scenes [75.9110646062442]
我々はSceNeRFlowを提案し、時間的一貫性のある方法で一般的な非剛体シーンを再構築する。提案手法は,カメラパラメータを入力として,静止カメラからのマルチビューRGBビデオと背景画像を取得する。実験により,小規模動作のみを扱う先行作業とは異なり,スタジオスケール動作の再構築が可能であることが示された。
論文参考訳（メタデータ） (2023-08-16T09:50:35Z)
Towards Scalable Multi-View Reconstruction of Geometry and Materials [27.660389147094715]
本稿では,3次元シーンのカメラポーズ,オブジェクト形状,空間変化の両方向反射分布関数(svBRDF)のジョイントリカバリ手法を提案する。入力は高解像度のRGBD画像であり、アクティブ照明用の点灯付き携帯型ハンドヘルドキャプチャシステムによってキャプチャされる。
論文参考訳（メタデータ） (2023-06-06T15:07:39Z)
Visual-Inertial Multi-Instance Dynamic SLAM with Object-level Relocalisation [14.302118093865849]
密結合型ビジュアル・慣性オブジェクトレベルのマルチインスタンス動的SLAMシステムを提案する。カメラのポーズ、速度、IMUバイアスを強く最適化し、環境の高密度な3D再構成オブジェクトレベルマップを構築することができる。
論文参考訳（メタデータ） (2022-08-08T17:13:24Z)
Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model Alignments [81.38641691636847]
エンボディエージェントの観点から,シーン再構築の問題を再考する。 rgb-dデータストリームを用いてインタラクティブシーンを再構築する。この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
論文参考訳（メタデータ） (2021-03-30T05:56:58Z)
Light Field Reconstruction Using Convolutional Network on EPI and Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文参考訳（メタデータ） (2021-03-24T08:16:32Z)
Monocular Real-Time Volumetric Performance Capture [28.481131687883256]
本稿では,モノクロ映像から実時間速度でボリューム・パフォーマンス・キャプチャとノベル・ビュー・レンダリングを行うための最初のアプローチを提案する。このシステムは,Pixel-Aligned Implicit Function (PIFu)を活用して,各フレームから完全にテクスチャ化された3次元人体を再構成する。また,オンラインハード・サンプル・マイニング(OHEM)技術を導入し,難題の稀な発生により,障害モードを効果的に抑制する手法を提案する。
論文参考訳（メタデータ） (2020-07-28T04:45:13Z)
Reconstruct, Rasterize and Backprop: Dense shape and pose estimation from a single image [14.9851111159799]
本稿では,1枚の画像から6-DoFポーズとともに高密度物体再構成を行うシステムを提案する。我々は、カメラフレームの3D再構成でループを閉じるために、差別化可能なレンダリング(特にロボティクス)の最近の進歩を活用している。
論文参考訳（メタデータ） (2020-04-25T20:53:43Z)

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。