論文の概要: Gaussian-Det: Learning Closed-Surface Gaussians for 3D Object Detection

• arxiv url: http://arxiv.org/abs/2410.01404v1
• Date: Wed, 2 Oct 2024 10:31:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 21:19:25.808430
• Title: Gaussian-Det: Learning Closed-Surface Gaussians for 3D Object Detection
• Title（参考訳）: Gaussian-Det: 3Dオブジェクト検出のためのクローズドサーフェスガウスの学習
• Authors: Hongru Yan, Yu Zheng, Yueqi Duan,
• Abstract要約: マルチビューに基づく3次元物体検出のための表面表現としてガウススプラッティングを利用するガウス・デットを提案する。 ガウススプラッティングによって本質的に導入された多くの外れ値に対処するため、我々はクロージャ推論モジュールを考案する。 合成データセットと実世界のデータセットの両方の実験では、ガウス・デットが既存のアプローチより優れていることが示されている。
• 参考スコア（独自算出の注目度）: 20.273296178610103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Skins wrapping around our bodies, leathers covering over the sofa, sheet metal coating the car - it suggests that objects are enclosed by a series of continuous surfaces, which provides us with informative geometry prior for objectness deduction. In this paper, we propose Gaussian-Det which leverages Gaussian Splatting as surface representation for multi-view based 3D object detection. Unlike existing monocular or NeRF-based methods which depict the objects via discrete positional data, Gaussian-Det models the objects in a continuous manner by formulating the input Gaussians as feature descriptors on a mass of partial surfaces. Furthermore, to address the numerous outliers inherently introduced by Gaussian splatting, we accordingly devise a Closure Inferring Module (CIM) for the comprehensive surface-based objectness deduction. CIM firstly estimates the probabilistic feature residuals for partial surfaces given the underdetermined nature of Gaussian Splatting, which are then coalesced into a holistic representation on the overall surface closure of the object proposal. In this way, the surface information Gaussian-Det exploits serves as the prior on the quality and reliability of objectness and the information basis of proposal refinement. Experiments on both synthetic and real-world datasets demonstrate that Gaussian-Det outperforms various existing approaches, in terms of both average precision and recall.
• Abstract（参考訳）: 体を包む皮膚、ソファーを覆う革、車体をコーティングする金属シート ― 物体が連続した表面で囲まれていることを示唆している。 本稿では,多視点に基づく3次元物体検出のための表面表現としてガウス・スプレイティングを利用するガウス・デットを提案する。 離散的な位置データを通して対象を描写する既存の単分子法やNeRF法とは異なり、ガウス・デットは入力ガウスを部分曲面の質量上の特徴記述子として定式化し、連続的に対象をモデル化する。 さらに,ガウススプラッティングによって本質的に導入された多数の外れ値に対処するため,包括的対象性推論のためのクロージャ推論モジュール(CIM)を考案した。 CIMはまず、ガウススメッティングの過小な性質を考慮に入れた部分表面の確率的特徴残差を推定し、対象の全体表面の閉包に関する全体像に結合する。 このようにして、ガウス・デットによる表面情報の利用は、客観性の品質と信頼性、及び提案の改良の情報基盤の先行として機能する。 合成データセットと実世界のデータセットの両方の実験では、ガウス・デットは平均精度とリコールの両方の観点から、様々な既存手法より優れていることが示されている。

関連論文リスト

• G2SDF: Surface Reconstruction from Explicit Gaussians with Implicit SDFs [84.07233691641193]
  G2SDFはニューラル暗黙の符号付き距離場をガウススプラッティングフレームワークに統合する新しいアプローチである。 G2SDFは, 3DGSの効率を維持しつつ, 従来よりも優れた品質を実現する。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• GIC: Gaussian-Informed Continuum for Physical Property Identification and Simulation [60.33467489955188]
  本稿では,視覚的観察を通して物理特性(システム同定)を推定する問題について検討する。 物理特性推定における幾何学的ガイダンスを容易にするために,我々は新しいハイブリッドフレームワークを提案する。 本研究では,3次元ガウス点集合としてオブジェクトを復元する動き分解に基づく動的3次元ガウスフレームワークを提案する。 抽出された物体表面に加えて、ガウスインフォームド連続体はシミュレーション中の物体マスクのレンダリングを可能にする。
  論文  参考訳（メタデータ） (2024-06-21T07:37:17Z)
• GaussianFormer: Scene as Gaussians for Vision-Based 3D Semantic Occupancy Prediction [70.65250036489128]
  3Dのセマンティック占有予測は,周囲のシーンの3Dの微細な形状とセマンティックスを得ることを目的としている。 本稿では,3Dシーンを3Dセマンティック・ガウシアンで表現するオブジェクト中心表現を提案する。 GaussianFormerは17.8%から24.8%のメモリ消費しか持たない最先端のメソッドで同等のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-05-27T17:59:51Z)
• Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
  ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。 我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。 提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
  論文  参考訳（メタデータ） (2024-02-07T12:36:54Z)
• NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting Guidance [59.08521048003009]
  本稿では,3次元ガウススプラッティングから高精細な表面を復元する神経暗黙的表面再構成パイプラインを提案する。 3Dガウススプラッティングの利点は、詳細な構造を持つ高密度の点雲を生成することができることである。 我々は3次元ガウスを極端に薄くすることで、表面に近い中心を引っ張るスケール正則化器を導入する。
  論文  参考訳（メタデータ） (2023-12-01T07:04:47Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• Learning Modified Indicator Functions for Surface Reconstruction [10.413340575612233]
  正規化のない原点雲からの暗黙的表面再構成のための学習に基づくアプローチを提案する。 我々の手法はポテンシャルエネルギー理論においてガウス・レムマにインスパイアされ、指標関数に対して明示的な積分公式を与える。 我々は、表面積分を行うための新しいディープニューラルネットワークを設計し、修正されたインジケータ関数を、不向きでノイズの多い点群から学習する。
  論文  参考訳（メタデータ） (2021-11-18T05:30:35Z)

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。