論文の概要: AR Overlay: Training Image Pose Estimation on Curved Surface in a Synthetic Way

• arxiv url: http://arxiv.org/abs/2409.14577v1
• Date: Sun, 22 Sep 2024 19:44:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-06 22:08:18.068191
• Title: AR Overlay: Training Image Pose Estimation on Curved Surface in a Synthetic Way
• Title（参考訳）: ARオーバーレイ: 曲面の合成による画像空間の推定
• Authors: Sining Huang, Yukun Song, Yixiao Kang, Chang Yu,
• Abstract要約: 本稿では,複数のロゴイメージを同時に検出できるパイプラインを提案する。 本稿では,複数のロゴイメージを同時に検出できるパイプラインを提案し,入力として元の画像のみを必要とする。
• 参考スコア（独自算出の注目度）: 5.018564153455258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the field of spatial computing, one of the most essential tasks is the pose estimation of 3D objects. While rigid transformations of arbitrary 3D objects are relatively hard to detect due to varying environment introducing factors like insufficient lighting or even occlusion, objects with pre-defined shapes are often easy to track, leveraging geometric constraints. Curved images, with flexible dimensions but a confined shape, are essential shapes often targeted in 3D tracking. Traditionally, proprietary algorithms often require specific curvature measures as the input along with the original flattened images to enable pose estimation for a single image target. In this paper, we propose a pipeline that can detect several logo images simultaneously and only requires the original images as the input, unlocking more effects in downstream fields such as Augmented Reality (AR).
• Abstract（参考訳）: 空間コンピューティングの分野において、最も重要なタスクの1つは、3Dオブジェクトのポーズ推定である。 任意の3Dオブジェクトの剛性変換は、照明不足や閉塞といった要因を取り入れた様々な環境のため、比較的検出が難しいが、事前に定義された形状のオブジェクトは、幾何学的制約を利用して、追跡が容易であることが多い。 曲がりくねった画像は、フレキシブルな寸法だが狭い形状であり、しばしば3Dトラッキングの標的となる。 伝統的に、プロプライエタリなアルゴリズムは、単一の画像ターゲットのポーズ推定を可能にするために、入力と元の平坦な画像と共に、特定の曲率測定を必要とすることが多い。 本稿では,複数のロゴイメージを同時に検出できるパイプラインを提案し,入力として元の画像のみを必要とする。

関連論文リスト

• 3D shape reconstruction of semi-transparent worms [0.950214811819847]
  3D形状の再構成は通常、被写体の複数の画像に物体の特徴やテクスチャを特定する必要がある。 ここでは、画像と比較するために、適応的ぼかしと透明度で候補形状を描画することで、これらの課題を克服する。 本研究は,線虫類の細いカエノルハブディティ・エレガンスを,生物学的にインフォームドされた制約や規則化を自然に許容する内在的パラメトリションを用いて3次元曲線としてモデル化する。
  論文  参考訳（メタデータ） (2023-04-28T13:29:36Z)
• 3D Surface Reconstruction in the Wild by Deforming Shape Priors from Synthetic Data [24.97027425606138]
  1枚の画像から被写体の3次元表面を再構築することは難しい問題である。 本稿では,1枚の画像から3次元合成とオブジェクトポーズ推定を行う新しい手法を提案する。 提案手法は,複数の実世界のデータセットにまたがって,最先端の再構築性能を実現する。
  論文  参考訳（メタデータ） (2023-02-24T20:37:27Z)
• Towards Hard-pose Virtual Try-on via 3D-aware Global Correspondence Learning [70.75369367311897]
  3D対応のグローバルな対応は、グローバルな意味的相関、局所的な変形、および3D人体の幾何学的先行を共同でエンコードする信頼性のあるフローである。 対向ジェネレータは、3D認識フローによって歪んだ衣服と、対象者の画像とを入力として、フォトリアリスティックな試着結果を合成する。
  論文  参考訳（メタデータ） (2022-11-25T12:16:21Z)
• Shape, Pose, and Appearance from a Single Image via Bootstrapped Radiance Field Inversion [54.151979979158085]
  提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。 そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。 当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
  論文  参考訳（メタデータ） (2022-11-21T17:42:42Z)
• Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
  3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。 以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。 本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
  論文  参考訳（メタデータ） (2022-04-09T03:46:18Z)
• Object-Based Visual Camera Pose Estimation From Ellipsoidal Model and 3D-Aware Ellipse Prediction [2.016317500787292]
  本稿では,1枚の画像から初期カメラのポーズ推定を行う手法を提案する。 観察条件に関係なく、物体を確実に検出する深層学習技術を活用する。 実験により,提案手法により計算結果の精度が著しく向上することが確認された。
  論文  参考訳（メタデータ） (2022-03-09T10:00:52Z)
• Shape from Blur: Recovering Textured 3D Shape and Motion of Fast Moving Objects [115.71874459429381]
  本研究では, 物体の3次元形状, テクスチャ, 動きを単一動画像から共同で再構成する新しい課題について述べる。 従来の手法では2次元画像領域でのみ遅延問題に対処するが、3次元領域における全ての物体特性の厳密なモデリングは任意の物体の動きの正確な記述を可能にする。
  論文  参考訳（メタデータ） (2021-06-16T13:18:08Z)
• 3D-Aware Ellipse Prediction for Object-Based Camera Pose Estimation [3.103806775802078]
  視聴条件に頑健な粗いカメラポーズ計算法を提案する。 観察条件に関係なく、物体を確実に検出する深層学習技術を活用する。
  論文  参考訳（メタデータ） (2021-05-24T18:40:18Z)
• Single View Metrology in the Wild [94.7005246862618]
  本研究では,物体の3次元の高さや地上のカメラの高さで表現されるシーンの絶対的なスケールを再現する,単一ビューメロジに対する新しいアプローチを提案する。 本手法は,被写体の高さなどの3Dエンティティによる未知のカメラとの相互作用から,弱い教師付き制約を抑えるために設計されたディープネットワークによって学習されたデータ駆動の先行情報に依存する。 いくつかのデータセットと仮想オブジェクト挿入を含むアプリケーションに対して、最先端の定性的かつ定量的な結果を示す。
  論文  参考訳（メタデータ） (2020-07-18T22:31:33Z)
• Learning Pose-invariant 3D Object Reconstruction from Single-view Images [61.98279201609436]
  本稿では,単視点画像のみから3次元形状を学習する,より現実的な構成について検討する。 最大の難しさは、単一のビューイメージが提供できる制約の不足にある。 本稿では, 対角コンパクトな形状空間を学習するために, 効果的な対角領域混同法を提案する。
  論文  参考訳（メタデータ） (2020-04-03T02:47:35Z)

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。

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。