Fugu-MT 論文翻訳(概要): NARF24: Estimating Articulated Object Structure for Implicit Rendering

論文の概要: NARF24: Estimating Articulated Object Structure for Implicit Rendering

arxiv url: http://arxiv.org/abs/2409.09829v1
Date: Sun, 15 Sep 2024 19:06:46 GMT
ステータス: 処理完了
システム内更新日: 2024-09-17 17:10:28.487107
Title: NARF24: Estimating Articulated Object Structure for Implicit Rendering
Title（参考訳）: NARF24: インプシットレンダリングのための人工物体構造の推定
Authors: Stanley Lewis, Tom Gao, Odest Chadwicke Jenkins,
Abstract要約: 本稿では,少数のシーンに共通するニューラルラジアンス場(NeRF)の表現を学習する手法を提案する。この表現は、暗黙の空間部分ローカライゼーションを生成するために、部分ベースのイメージセグメンテーションと組み合わせられる。
参考スコア（独自算出の注目度）: 8.044069980286812
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Articulated objects and their representations pose a difficult problem for robots. These objects require not only representations of geometry and texture, but also of the various connections and joint parameters that make up each articulation. We propose a method that learns a common Neural Radiance Field (NeRF) representation across a small number of collected scenes. This representation is combined with a parts-based image segmentation to produce an implicit space part localization, from which the connectivity and joint parameters of the articulated object can be estimated, thus enabling configuration-conditioned rendering.
Abstract（参考訳）: 人工物とその表現はロボットにとって難しい問題を引き起こす。これらの対象は、幾何学やテクスチャの表現だけでなく、各調音を構成する様々な接続や関節パラメータも必要である。本稿では,少数のシーンに共通するニューラルラジアンス場(NeRF)の表現を学習する手法を提案する。この表現は、部品ベースの画像セグメント化と組み合わせて暗黙の空間部分ローカライゼーションを生成し、そこから調音対象の接続性と関節パラメータを推定し、構成条件付きレンダリングを可能にする。

関連論文リスト

SINGAPO: Single Image Controlled Generation of Articulated Parts in Objects [20.978091381109294]
本稿では,単一画像から音声オブジェクトを生成する手法を提案する。提案手法は,入力画像と視覚的に一致した音声オブジェクトを生成する。実験の結果,本手法は音声によるオブジェクト生成における最先端の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2024-10-21T20:41:32Z)
ICGNet: A Unified Approach for Instance-Centric Grasping [42.92991092305974]
オブジェクト中心の把握のためのエンドツーエンドアーキテクチャを導入する。提案手法の有効性を,合成データセット上での最先端手法に対して広範囲に評価することにより示す。
論文参考訳（メタデータ） (2024-01-18T12:41:41Z)
Building Rearticulable Models for Arbitrary 3D Objects from 4D Point Clouds [28.330364666426345]
任意の数の部品を含む日常的な人工物に対して再計算可能なモデルを構築する。本手法では, 異なる対象部位, どの部位が他の部位に接続されているか, および各部位を接続する接合部の性質を同定する。
論文参考訳（メタデータ） (2023-06-01T17:59:21Z)
Compositional Scene Modeling with Global Object-Centric Representations [44.43366905943199]
人間は、メモリ内の標準画像に基づいて閉塞された部分を完了させることで、たとえ閉塞物が存在するとしても、同じ物体を容易に識別することができる。本稿では,オブジェクトの標準画像のグローバルな表現を,監督なしに推測する合成シーンモデリング手法を提案する。
論文参考訳（メタデータ） (2022-11-21T14:36:36Z)
Object Wake-up: 3-D Object Reconstruction, Animation, and in-situ Rendering from a Single Image [58.69732754597448]
椅子の写真があれば、椅子の3次元形状を抽出し、その可愛らしい調音や動きをアニメーション化し、元の画像空間でその場でレンダリングできるだろうか? 単一画像中の調音対象を抽出・操作するための自動アプローチを考案する。
論文参考訳（メタデータ） (2021-08-05T16:20:12Z)
Continuous Surface Embeddings [76.86259029442624]
我々は、変形可能な対象カテゴリーにおける密接な対応を学習し、表現するタスクに焦点をあてる。本稿では,高密度対応の新たな学習可能な画像ベース表現を提案する。提案手法は,人間の身近なポーズ推定のための最先端手法と同等以上の性能を示すことを示す。
論文参考訳（メタデータ） (2020-11-24T22:52:15Z)
Neural Scene Graphs for Dynamic Scenes [57.65413768984925]
動的シーンをシーングラフに分解する最初のニューラルレンダリング手法を提案する。我々は暗黙的に符号化されたシーンと、単一の暗黙の関数でオブジェクトを記述するために共同で学習された潜在表現を組み合わせる。
論文参考訳（メタデータ） (2020-11-20T12:37:10Z)
Category Level Object Pose Estimation via Neural Analysis-by-Synthesis [64.14028598360741]
本稿では、勾配に基づくフィッティング法とパラメトリックニューラルネットワーク合成モジュールを組み合わせる。画像合成ネットワークは、ポーズ設定空間を効率的に分散するように設計されている。本研究では,2次元画像のみから高精度に物体の向きを復元できることを実験的に示す。
論文参考訳（メタデータ） (2020-08-18T20:30:47Z)
Object-Centric Multi-View Aggregation [86.94544275235454]
本稿では,オブジェクトのスパースなビュー集合を集約して,半単純3次元表現を容積特徴格子の形で計算する手法を提案する。我々のアプローチの鍵となるのは、カメラのポーズを明示することなく、ビューを持ち上げることができるオブジェクト中心の標準3D座標システムである。画素から標準座標系への対称対応マッピングの計算により、未知の領域への情報伝達がより良くなることを示す。
論文参考訳（メタデータ） (2020-07-20T17:38:31Z)
Convolutional Occupancy Networks [88.48287716452002]
本稿では,オブジェクトと3Dシーンの詳細な再構築のための,より柔軟な暗黙的表現である畳み込み機能ネットワークを提案する。畳み込みエンコーダと暗黙の占有デコーダを組み合わせることで、帰納的バイアスが組み込まれ、3次元空間における構造的推論が可能となる。実験により,本手法は単一物体の微細な3次元再構成,大規模屋内シーンへのスケール,合成データから実データへの一般化を可能にした。
論文参考訳（メタデータ） (2020-03-10T10:17:07Z)

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。