Fugu-MT 論文翻訳(概要): DCUDF2: Improving Efficiency and Accuracy in Extracting Zero Level Sets from Unsigned Distance Fields

論文の概要: DCUDF2: Improving Efficiency and Accuracy in Extracting Zero Level Sets from Unsigned Distance Fields

arxiv url: http://arxiv.org/abs/2408.17284v1
Date: Fri, 30 Aug 2024 13:31:15 GMT
ステータス: 処理完了
システム内更新日: 2024-09-02 15:18:38.031858
Title: DCUDF2: Improving Efficiency and Accuracy in Extracting Zero Level Sets from Unsigned Distance Fields
Title（参考訳）: DCUDF2: 符号なし距離場からのゼロレベル集合抽出の効率化と精度向上
Authors: Xuhui Chen, Fugang Yu, Fei Hou, Wencheng Wang, Zhebin Zhang, Ying He,
Abstract要約: 符号なし距離場(UDF)は複雑な位相を持つモデルの表現を可能にするが、これらの場からの正確なゼロレベル集合は重大な問題を引き起こす。我々は、UDFからゼロレベルセットを抽出するために、現在の最先端手法の強化であるDF2を紹介する。提案手法では,自己適応重みを付加した精度認識損失関数を用いて,幾何学的品質を著しく向上させる。
参考スコア（独自算出の注目度）: 11.397415082340482
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Unsigned distance fields (UDFs) allow for the representation of models with complex topologies, but extracting accurate zero level sets from these fields poses significant challenges, particularly in preserving topological accuracy and capturing fine geometric details. To overcome these issues, we introduce DCUDF2, an enhancement over DCUDF--the current state-of-the-art method--for extracting zero level sets from UDFs. Our approach utilizes an accuracy-aware loss function, enhanced with self-adaptive weights, to improve geometric quality significantly. We also propose a topology correction strategy that reduces the dependence on hyper-parameter, increasing the robustness of our method. Furthermore, we develop new operations leveraging self-adaptive weights to boost runtime efficiency. Extensive experiments on surface extraction across diverse datasets demonstrate that DCUDF2 outperforms DCUDF and existing methods in both geometric fidelity and topological accuracy. We will make the source code publicly available.
Abstract（参考訳）: 符号なし距離場(UDF)は複雑な位相を持つモデルの表現を可能にするが、これらの場から正確なゼロレベル集合を抽出することは、特に位相的精度の保存と微妙な幾何学的詳細の取得において重要な課題となる。これらの課題を克服するために、UDFからゼロレベルセットを抽出するDCUDF2(現在の最先端手法)をDCUDFに拡張するDCUDF2を導入する。提案手法では,自己適応重みを付加した精度認識損失関数を用いて,幾何学的品質を著しく向上させる。また,ハイパーパラメータへの依存性を低減し,手法の堅牢性を高めるトポロジ補正戦略を提案する。さらに,実行効率を向上させるために自己適応重みを利用する新たな操作を開発する。多様なデータセットにわたる表面抽出に関する大規模な実験により、DCUDF2は幾何学的忠実度と位相的精度の両方でDCUDFと既存の手法より優れていることが示された。ソースコードを公開します。

関連論文リスト

Shape-informed surrogate models based on signed distance function domain encoding [8.052704959617207]
パラメータ化偏微分方程式(PDE)の解を近似する代理モデルを構築するための非侵入的手法を提案する。我々のアプローチは2つのニューラルネットワーク(NN)の組み合わせに基づいている。
論文参考訳（メタデータ） (2024-09-19T01:47:04Z)
Details Enhancement in Unsigned Distance Field Learning for High-fidelity 3D Surface Reconstruction [26.35134181204119]
そこで本研究では,通常のアライメントとSIRENネットワークを統合した詳細UDF(DEUDF)学習を提案する。計算結果から,DEUDFは既存のUDF学習法よりも精度と再現面の品質が優れていることが示された。
論文参考訳（メタデータ） (2024-06-01T07:52:26Z)
Constrained 6-DoF Grasp Generation on Complex Shapes for Improved Dual-Arm Manipulation [11.048436789482189]
本研究では,任意のジオメトリを持つオブジェクトに一般化した拡散に基づくグリップ生成モデルであるConstrained Grasp Diffusion Fieldsを提案する。本手法は,複雑なオブジェクトに対して安定なグリップを生成するために一般化できることを示し,特にデュアルアーム操作設定に有用である。
論文参考訳（メタデータ） (2024-04-06T14:28:01Z)
2S-UDF: A Novel Two-stage UDF Learning Method for Robust Non-watertight Model Reconstruction from Multi-view Images [12.076881343401329]
多視点画像から高品質なUDFを学習するための新しい2段階アルゴリズム2S-UDFを提案する。定量的な測定値と視覚的品質の両方において、この結果は他のUDF学習技術よりも優れた性能を示している。
論文参考訳（メタデータ） (2023-03-27T16:35:28Z)
Faster Adaptive Federated Learning [84.38913517122619]
フェデレートラーニングは分散データの出現に伴って注目を集めている。本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
論文参考訳（メタデータ） (2022-12-02T05:07:50Z)
Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文参考訳（メタデータ） (2022-09-22T07:50:48Z)
Combating Mode Collapse in GANs via Manifold Entropy Estimation [70.06639443446545]
Generative Adversarial Networks (GAN) は、様々なタスクやアプリケーションにおいて魅力的な結果を示している。 GANのモード崩壊問題に対処するための新しいトレーニングパイプラインを提案する。
論文参考訳（メタデータ） (2022-08-25T12:33:31Z)
Occlusion-Robust Object Pose Estimation with Holistic Representation [42.27081423489484]
State-of-the-art(SOTA)オブジェクトのポーズ推定器は2段階のアプローチを取る。我々は,新しいブロック・アンド・ブラックアウトバッチ拡張技術を開発した。また,総合的なポーズ表現学習を促進するためのマルチ精度監視アーキテクチャも開発している。
論文参考訳（メタデータ） (2021-10-22T08:00:26Z)
Regressive Domain Adaptation for Unsupervised Keypoint Detection [67.2950306888855]
ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的とする。本稿では,教師なしキーポイント検出のためのレグレッシブドメイン適応(RegDA)法を提案する。提案手法は,異なるデータセット上のPCKにおいて,8%から11%の大幅な改善をもたらす。
論文参考訳（メタデータ） (2021-03-10T16:45:22Z)
SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural Networks [81.64530401885476]
本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
論文参考訳（メタデータ） (2020-10-19T09:23:39Z)
Robust Optimal Transport with Applications in Generative Modeling and Domain Adaptation [120.69747175899421]
ワッサーシュタインのような最適輸送(OT)距離は、GANやドメイン適応のようないくつかの領域で使用されている。本稿では,現代のディープラーニングアプリケーションに適用可能な,ロバストなOT最適化の計算効率のよい2つの形式を提案する。提案手法では, ノイズの多いデータセット上で, 外部分布で劣化したGANモデルをトレーニングすることができる。
論文参考訳（メタデータ） (2020-10-12T17:13:40Z)

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。