論文の概要: McGrids: Monte Carlo-Driven Adaptive Grids for Iso-Surface Extraction
- arxiv url: http://arxiv.org/abs/2409.06710v1
- Date: Sun, 25 Aug 2024 07:55:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-15 05:21:30.442554
- Title: McGrids: Monte Carlo-Driven Adaptive Grids for Iso-Surface Extraction
- Title（参考訳）: McGrids: アイソ面抽出のためのモンテカルロ駆動適応グリッド
- Authors: Daxuan Renınst, Hezi Shiınst, Jianmin Zheng, Jianfei Cai,
- Abstract要約: 暗黙の場からのイソ表面抽出は、コンピュータビジョンとグラフィックスの様々な応用における基本的なプロセスである。
本稿では,等表面抽出の効率向上のための新しい手法であるMcGridsを提案する。
- 参考スコア（独自算出の注目度）: 27.95961333101504
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Iso-surface extraction from an implicit field is a fundamental process in various applications of computer vision and graphics. When dealing with geometric shapes with complicated geometric details, many existing algorithms suffer from high computational costs and memory usage. This paper proposes McGrids, a novel approach to improve the efficiency of iso-surface extraction. The key idea is to construct adaptive grids for iso-surface extraction rather than using a simple uniform grid as prior art does. Specifically, we formulate the problem of constructing adaptive grids as a probability sampling problem, which is then solved by Monte Carlo process. We demonstrate McGrids' capability with extensive experiments from both analytical SDFs computed from surface meshes and learned implicit fields from real multiview images. The experiment results show that our McGrids can significantly reduce the number of implicit field queries, resulting in significant memory reduction, while producing high-quality meshes with rich geometric details.
- Abstract（参考訳）: 暗黙の場からのイソ表面抽出は、コンピュータビジョンとグラフィックスの様々な応用における基本的なプロセスである。
幾何学的形状を複雑な幾何学的詳細で扱う場合、多くの既存のアルゴリズムは高い計算コストとメモリ使用量に悩まされる。
本稿では,等表面抽出の効率向上のための新しい手法であるMcGridsを提案する。
鍵となる考え方は、先行技術のように単純な一様格子を使うのではなく、等地抽出のための適応格子を構築することである。
具体的には、確率サンプリング問題として適応格子を構成する問題を定式化し、モンテカルロ法により解かれる。
我々は,表面メッシュから計算した解析的 SDF と実マルチビュー画像から暗黙的場を学習した実験により,McGrids の能力を実証した。
実験の結果,我々のMcGridsは暗黙のフィールドクエリの数を著しく減らし,メモリの大幅な削減を図りながら,リッチな幾何学的詳細を持つ高品質メッシュを生成することができた。
関連論文リスト
- SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。
私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。
アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
論文 参考訳（メタデータ） (2024-09-30T17:59:03Z) - An Adaptive Screen-Space Meshing Approach for Normal Integration [0.0]
この研究は、画像領域に適応的な表面三角測量を導入し、その後、三角形メッシュ上で通常の積分を行う。
曲率に基づいて、平坦な領域を識別し、画素を三角形に集約する。
ピクセルグリッドと比較して、トライアングルメッシュは表面の詳細に局所的に適応し、スペーサー表現を可能にします。
論文 参考訳（メタデータ） (2024-09-25T13:12:58Z) - Multi-times Monte Carlo Rendering for Inter-reflection Reconstruction [51.911195773164245]
逆レンダリング法は、非絡み合ったジオメトリー、材料、環境光で高忠実度3Dオブジェクトを再構成する際、顕著な性能を実現している。
環境照明を総合的に計算するマルチタイムモンテカルロサンプリングを導入したRef-MC2を提案する。
また,本手法のアンタングル化能力を示すために,リライティングや素材編集などのダウンストリームアプリケーションも紹介する。
論文 参考訳（メタデータ） (2024-07-08T09:27:34Z) - MIRReS: Multi-bounce Inverse Rendering using Reservoir Sampling [17.435649250309904]
本稿では,新しい2段階逆レンダリングフレームワークであるMIRReSを紹介する。
提案手法は, ステージ1で明示的な幾何(三角形メッシュ)を抽出し, より現実的な物理ベースの逆レンダリングモデルを導入する。
本手法は,自己陰影や内部反射を含む間接照明を効果的に推定する。
論文 参考訳（メタデータ） (2024-06-24T07:00:57Z) - Message-Passing Monte Carlo: Generating low-discrepancy point sets via Graph Neural Networks [64.39488944424095]
本稿では,Message-Passing Monte Carlo という低差点集合を生成する機械学習手法を提案する。
MPMC点は、低次元と少数の点との差に関して、最適かほぼ最適であることが実証的に示されている。
論文 参考訳（メタデータ） (2024-05-23T21:17:20Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。
我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
論文 参考訳（メタデータ） (2023-08-10T06:40:19Z) - Efficient Textured Mesh Recovery from Multiple Views with Differentiable
Rendering [8.264851594332677]
マルチビュー画像からテクスチャメッシュを復元する手法を提案する。
学習ベース多視点ステレオアルゴリズムにより予測される深度との差を最小化することにより形状形状を最適化する。
形状や色に対する暗黙的なニューラル表現とは対照的に,物体の光と反射を共同で推定する物理ベース逆レンダリング方式を導入する。
論文 参考訳（メタデータ） (2022-05-25T03:33:55Z) - Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。
メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
論文 参考訳（メタデータ） (2021-08-09T18:16:08Z) - Deep Implicit Surface Point Prediction Networks [49.286550880464866]
暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。
本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-10T14:31:54Z)
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。