Fugu-MT 論文翻訳(概要): Differentiable Convex Polyhedra Optimization from Multi-view Images

論文の概要: Differentiable Convex Polyhedra Optimization from Multi-view Images

arxiv url: http://arxiv.org/abs/2407.15686v1
Date: Mon, 22 Jul 2024 14:53:29 GMT
ステータス: 処理完了
システム内更新日: 2024-07-23 14:40:28.511193
Title: Differentiable Convex Polyhedra Optimization from Multi-view Images
Title（参考訳）: 多視点画像からの微分凸多面体最適化
Authors: Daxuan Ren, Haiyi Mei, Hezi Shi, Jianmin Zheng, Jianfei Cai, Lei Yang,
Abstract要約: 本稿では,凸多面体の微分可能レンダリングのための新しい手法を提案する。暗黙のフィールド監視に依存する最近の手法の限界に対処する。
参考スコア（独自算出の注目度）: 29.653374825428614
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a novel approach for the differentiable rendering of convex polyhedra, addressing the limitations of recent methods that rely on implicit field supervision. Our technique introduces a strategy that combines non-differentiable computation of hyperplane intersection through duality transform with differentiable optimization for vertex positioning with three-plane intersection, enabling gradient-based optimization without the need for 3D implicit fields. This allows for efficient shape representation across a range of applications, from shape parsing to compact mesh reconstruction. This work not only overcomes the challenges of previous approaches but also sets a new standard for representing shapes with convex polyhedra.
Abstract（参考訳）: 本稿では, 暗黙のフィールド監視に依存する最近の手法の限界に対処する, 凸多面体の微分可能レンダリングのための新しい手法を提案する。本手法では,双対変換による超平面交叉の非微分可能計算と頂点位置と3次元平面交叉の微分可能最適化を組み合わせ,3次元暗黙場を必要とせずに勾配に基づく最適化を実現する。これにより、形状解析からコンパクトメッシュ再構成まで、さまざまなアプリケーションにわたる効率的な形状表現が可能になる。この作業は、従来のアプローチの課題を克服するだけでなく、凸多面体で形状を表現するための新しい標準も設定する。

関連論文リスト

Spectral Meets Spatial: Harmonising 3D Shape Matching and Interpolation [50.376243444909136]
本稿では,3次元形状の対応と形状の両面を統一的に予測する枠組みを提案する。我々は、スペクトル領域と空間領域の両方の形状を地図化するために、奥行き関数写像フレームワークと古典的な曲面変形モデルを組み合わせる。
論文参考訳（メタデータ） (2024-02-29T07:26:23Z)
DeFormer: Integrating Transformers with Deformable Models for 3D Shape Abstraction from a Single Image [31.154786931081087]
本稿では,パラメータ化デフォルマブルモデルと統合された新しいバイチャネルトランスフォーマアーキテクチャを提案し,プリミティブのグローバルおよび局所的な変形を同時に推定する。 DeFormerは、最先端技術よりもより良い再構築精度を実現し、一貫したセマンティック対応で可視化し、解釈性を向上させる。
論文参考訳（メタデータ） (2023-09-22T02:46:43Z)
Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文参考訳（メタデータ） (2023-02-24T18:41:48Z)
IKOL: Inverse kinematics optimization layer for 3D human pose and shape estimation via Gauss-Newton differentiation [44.00115413716392]
本稿では3次元ポーズ形状推定のための逆運動層(IKOL)を提案する。 IKOLは、既存の回帰ベースのメソッドよりもはるかに多い。より正確な3Dポーズ推定を提供する。
論文参考訳（メタデータ） (2023-02-02T12:43:29Z)
A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D Shape Matching [69.14632473279651]
本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
論文参考訳（メタデータ） (2022-04-27T09:47:47Z)
3D Equivariant Graph Implicit Functions [51.5559264447605]
局所的詳細のモデリングを容易にする同変層を持つグラフ暗黙関数の新しいファミリを導入する。提案手法は,ShapeNet再構成作業において既存の回転同変暗黙関数を0.69から0.89に改善する。
論文参考訳（メタデータ） (2022-03-31T16:51:25Z)
Representing 3D Shapes with Probabilistic Directed Distance Fields [7.528141488548544]
暗黙的なアーキテクチャ内での高速な微分可能なレンダリングを可能にする新しい形状表現を開発する。基礎分野における本質的な不連続性をモデル化する方法を示す。また, 単一形状の3次元画像モデリング, 単一画像再構成作業にも適用した。
論文参考訳（メタデータ） (2021-12-10T02:15:47Z)
Differentiable Surface Triangulation [40.13834693745158]
曲面三角関数の空間上での頂点ごとあるいは面ごとの微分可能な対象関数の最適化を可能にする微分曲面三角関数を提案する。提案手法は, 適切な重み付けを施したデラウネー三角測量により, 任意の2次元三角測量が達成できることを示す。形状を展開可能な集合に分解し,各集合を適切な境界制約で異なったメッシュ化することにより,アルゴリズムを3Dに拡張する。
論文参考訳（メタデータ） (2021-09-22T12:42:43Z)
H3D-Net: Few-Shot High-Fidelity 3D Head Reconstruction [27.66008315400462]
表面形状を暗黙的に表現する最近の学習手法は、多視点3次元再構成の問題において顕著な結果を示している。我々はこれらの制限を,数発のフル3次元頭部再構成の特定の問題に対処する。暗黙の表現を用いて,数千個の不完全な生スキャンから3次元頭部形状モデルを学習する。
論文参考訳（メタデータ） (2021-07-26T23:04:18Z)
Isometric Multi-Shape Matching [50.86135294068138]
形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
論文参考訳（メタデータ） (2020-12-04T15:58:34Z)
Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文参考訳（メタデータ） (2020-07-07T21:26:35Z)

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。