論文の概要: A Survey on Computational Solutions for Reconstructing Complete Objects by Reassembling Their Fractured Parts
- arxiv url: http://arxiv.org/abs/2410.14770v1
- Date: Fri, 18 Oct 2024 17:53:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:17:02.083143
- Title: A Survey on Computational Solutions for Reconstructing Complete Objects by Reassembling Their Fractured Parts
- Title（参考訳）: フラクチャー部品の再組み立てによる完全物体再構成のための計算解の検討
- Authors: Jiaxin Lu, Yongqing Liang, Huijun Han, Jiacheng Hua, Junfeng Jiang, Xin Li, Qixing Huang,
- Abstract要約: 完全な対象をその部分から再構成することは、多くの科学領域における根本的な問題である。
この文脈で既存のアルゴリズムを提供し、それらの類似点と汎用アプローチとの相違点を強調する。
アルゴリズムに加えて、この調査では既存のデータセット、オープンソースソフトウェアパッケージ、アプリケーションについても記述する。
- 参考スコア（独自算出の注目度）: 25.59032022422813
- License:
- Abstract: Reconstructing a complete object from its parts is a fundamental problem in many scientific domains. The purpose of this article is to provide a systematic survey on this topic. The reassembly problem requires understanding the attributes of individual pieces and establishing matches between different pieces. Many approaches also model priors of the underlying complete object. Existing approaches are tightly connected problems of shape segmentation, shape matching, and learning shape priors. We provide existing algorithms in this context and emphasize their similarities and differences to general-purpose approaches. We also survey the trends from early non-deep learning approaches to more recent deep learning approaches. In addition to algorithms, this survey will also describe existing datasets, open-source software packages, and applications. To the best of our knowledge, this is the first comprehensive survey on this topic in computer graphics.
- Abstract（参考訳）: 完全な対象をその部分から再構成することは、多くの科学領域における根本的な問題である。
本稿の目的は、このトピックに関するシステマティックな調査を提供することである。
再組立問題は個々の部品の属性を理解し、異なる部品間の一致を確立する必要がある。
多くのアプローチは、基礎となる完全なオブジェクトの事前をモデル化する。
既存のアプローチは、形状セグメンテーション、形状マッチング、学習形状事前の密接な結合問題である。
この文脈で既存のアルゴリズムを提供し、それらの類似点と汎用アプローチとの相違点を強調する。
また、初期の非深層学習アプローチから最近の深層学習アプローチへの移行状況についても調査する。
アルゴリズムに加えて、この調査では既存のデータセット、オープンソースソフトウェアパッケージ、アプリケーションについても記述する。
私たちの知る限りでは、コンピュータグラフィックスにおけるこの話題に関する総合的な調査はこれが初めてである。
関連論文リスト
- Jigsaw++: Imagining Complete Shape Priors for Object Reassembly [35.16793557538698]
Jigsaw++は、再アセンブリ問題に対する再構築の多面的課題に取り組むために設計された、新しい生成方法である。
完全なオブジェクトの前にカテゴリに依存しない形状を学ぶことで、自分自身を区別する。
J Jigsaw++は、その効果を示し、再構築エラーを低減し、形状復元の精度を高める。
論文 参考訳（メタデータ） (2024-10-15T17:45:37Z) - ShapeICP: Iterative Category-level Object Pose and Shape Estimation from Depth [15.487722156919988]
単一深度画像からのカテゴリーレベルのオブジェクトのポーズと形状推定は、ロボット工学や自動運転に広く応用されているため、最近研究の注目を集めている。
ポーズアノテートされたデータから学習する必要がない反復的推定法を提案する。
われわれのアルゴリズムはShapeICPと呼ばれ、ICPアルゴリズムの基盤となっているが、カテゴリレベルのポーズと形状推定のための追加機能を備えている。
論文 参考訳（メタデータ） (2024-08-23T15:12:55Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。
また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文 参考訳（メタデータ） (2024-05-13T14:44:22Z) - Deep Learning for Visual Localization and Mapping: A Survey [45.20992113099714]
本稿では,総合的な調査を行い,深層学習を用いた局所化とマッピング手法の分類法を提案する。
この調査は、深層学習がローカライズとマッピングに有望であるかどうか、この問題を解決するために深層学習をどのように適用すべきかという2つの基本的な問題について議論することを目的としている。
論文 参考訳（メタデータ） (2023-08-27T08:25:00Z) - Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。
これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。
提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
論文 参考訳（メタデータ） (2023-04-14T11:35:35Z) - Unsupervised Part Discovery from Contrastive Reconstruction [90.88501867321573]
自己監督型視覚表現学習の目標は、強く伝達可能な画像表現を学習することである。
対象部分の発見とセグメンテーションに対する教師なしアプローチを提案する。
本手法は, 細粒度, 視覚的に異なるカテゴリ間でセマンティックな部分を生成する。
論文 参考訳（メタデータ） (2021-11-11T17:59:42Z) - A survey of Bayesian Network structure learning [8.411014222942168]
本稿では,データからBN構造を学習するための61のアルゴリズムについてレビューする。
各アルゴリズムの基本的アプローチは一貫性のある言葉で説明され、それらの類似点と相違点が強調された。
実世界のデータセットでのデータノイズに対処し、学習プロセスに専門家の知識を取り入れるためのアプローチについても紹介する。
論文 参考訳（メタデータ） (2021-09-23T14:54:00Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - Non-Rigid Puzzles [50.213265511586535]
非剛性多部形状マッチングアルゴリズムを提案する。
非剛性変形中の参照形状とその複数の部品が与えられると仮定する。
合成法と実走査法の実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-11-26T00:32:30Z)
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。