論文の概要: ActiveNeuS: Neural Signed Distance Fields for Active Stereo

• arxiv url: http://arxiv.org/abs/2410.15376v1
• Date: Sun, 20 Oct 2024 12:20:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:18:43.944759
• Title: ActiveNeuS: Neural Signed Distance Fields for Active Stereo
• Title（参考訳）: ActiveNeuS: アクティブステレオのためのニューラルサイン付き距離場
• Authors: Kazuto Ichimaru, Takaki Ikeda, Diego Thomas, Takafumi Iwaguchi, Hiroshi Kawasaki,
• Abstract要約: 本稿では,アクティブステレオシステムのためのニューラルサイン付き距離場を提案し,一般化された構造光における暗黙の対応探索と三角測量を可能にする。 本手法では,少ない撮影画像であっても,低光環境下でのテクスチャレス面や等価面の再構成に成功している。 このような厳しい条件下で, 提案手法が最先端の復元品質を達成できることを示す実験を行った。
• 参考スコア（独自算出の注目度）: 1.2470540422791463
• License:
• Abstract: 3D-shape reconstruction in extreme environments, such as low illumination or scattering condition, has been an open problem and intensively researched. Active stereo is one of potential solution for such environments for its robustness and high accuracy. However, active stereo systems usually consist of specialized system configurations with complicated algorithms, which narrow their application. In this paper, we propose Neural Signed Distance Field for active stereo systems to enable implicit correspondence search and triangulation in generalized Structured Light. With our technique, textureless or equivalent surfaces by low light condition are successfully reconstructed even with a small number of captured images. Experiments were conducted to confirm that the proposed method could achieve state-of-the-art reconstruction quality under such severe condition. We also demonstrated that the proposed method worked in an underwater scenario.
• Abstract（参考訳）: 低照度や散乱条件などの極端な環境下での3次元形状の再構成は、オープンな問題であり、集中的に研究されている。 アクティブステレオは、その堅牢性と高い精度のために、そのような環境に対する潜在的な解決策の1つである。 しかし、アクティブステレオシステムは通常、複雑なアルゴリズムを持つ特殊なシステム構成から成り、アプリケーションの幅を狭める。 本稿では,アクティブステレオシステムのためのニューラルサイン付き距離場を提案し,一般化された構造光における暗黙の対応探索と三角測量を可能にする。 本手法では,少ない撮影画像であっても,低光環境下でのテクスチャレス面や等価面の再構成に成功している。 このような厳しい条件下で, 提案手法が最先端の復元品質を達成できることを示す実験を行った。 また,提案手法が水中シナリオで有効であることを実証した。

関連論文リスト

• Stereo-Depth Fusion through Virtual Pattern Projection [37.519762078762575]
  本稿では,新しい汎用ステレオ・ディープデータ融合パラダイムを提案する。 これは、信頼できない物理パターンプロジェクターを奥行きセンサーに置き換えることで、アクティブなステレオ原理を模倣する。 従来のステレオカメラで取得した左右の画像に、シーン形状と整合した仮想パターンを投影する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:58Z)
• Active Stereo Without Pattern Projector [40.25292494550211]
  本稿では,物理パターンプロジェクタを使わずに,標準受動カメラシステムにアクティブステレオの原理を統合する新しいフレームワークを提案する。 我々は、深度センサから得られたスパース測定に基づいて、左画像と右画像に事実上パターンを投影する。
  論文  参考訳（メタデータ） (2023-09-21T17:59:56Z)
• Self-calibrating Photometric Stereo by Neural Inverse Rendering [88.67603644930466]
  本稿では3次元オブジェクト再構成のための非校正光度ステレオの課題に取り組む。 本研究では,物体形状,光方向,光強度を協調的に最適化する手法を提案する。 本手法は,実世界のデータセット上での光推定と形状復元における最先端の精度を示す。
  論文  参考訳（メタデータ） (2022-07-16T02:46:15Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• Self-Supervised Depth Completion for Active Stereo [55.79929735390945]
  アクティブステレオシステムは、低コストで高品質な深度マップのため、ロボット産業で広く利用されている。 これらの深度センサーはステレオアーチファクトに悩まされており、密度の深い深度推定を提供していない。 本稿では, 高精度な深度マップを推定するアクティブステレオシステムのための, 自己監督型深度補完法を提案する。
  論文  参考訳（メタデータ） (2021-10-07T07:33:52Z)
• ResDepth: A Deep Prior For 3D Reconstruction From High-resolution Satellite Images [28.975837416508142]
  ResDepthは畳み込みニューラルネットワークで、例データからそのような表現幾何学を学習する。 一連の実験において,提案手法はステレオDSMを定量的かつ定性的に一貫的に改善することがわかった。 ネットワーク重みに符号化された先行符号化は、都市デザインの意義ある幾何学的特徴を捉えていることを示す。
  論文  参考訳（メタデータ） (2021-06-15T12:51:28Z)
• Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
  本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。 既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。 本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
  論文  参考訳（メタデータ） (2020-12-12T10:33:08Z)
• Polka Lines: Learning Structured Illumination and Reconstruction for Active Stereo [52.68109922159688]
  本稿では,波動光学と幾何光学の両方に依存した,アクティブステレオのための新しい微分可能な画像形成モデルと,新しい三眼再構成ネットワークを提案する。 Polka Lines" を再現ネットワークと組み合わせた共同最適化パターンは, 撮像条件全体にわたって, 最先端のアクティブステレオ深度推定を達成している。
  論文  参考訳（メタデータ） (2020-11-26T04:02:43Z)

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。