論文の概要: SS3DM: Benchmarking Street-View Surface Reconstruction with a Synthetic 3D Mesh Dataset

• arxiv url: http://arxiv.org/abs/2410.21739v1
• Date: Tue, 29 Oct 2024 04:54:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:40:34.605678
• Title: SS3DM: Benchmarking Street-View Surface Reconstruction with a Synthetic 3D Mesh Dataset
• Title（参考訳）: SS3DM: 合成3Dメッシュデータセットを用いたストリートビュー表面再構成のベンチマーク
• Authors: Yubin Hu, Kairui Wen, Heng Zhou, Xiaoyang Guo, Yongjin Liu,
• Abstract要約: ストリートビューシナリオのための正確な3D表面の再構築は、デジタルエンターテイメントや自動運転といったアプリケーションにとって不可欠である。 CARLAシミュレータからエクスポートしたtextbfSynthetic textbfStreet-view textbf3D textbfMeshモデルからなるSS3DMデータセットを提案する。 6台のRGBカメラと5台のLiDARセンサーを搭載した車両を、多様な屋外シーンで仮想的に駆動する。
• 参考スコア（独自算出の注目度）: 25.962746964527224
• License:
• Abstract: Reconstructing accurate 3D surfaces for street-view scenarios is crucial for applications such as digital entertainment and autonomous driving simulation. However, existing street-view datasets, including KITTI, Waymo, and nuScenes, only offer noisy LiDAR points as ground-truth data for geometric evaluation of reconstructed surfaces. These geometric ground-truths often lack the necessary precision to evaluate surface positions and do not provide data for assessing surface normals. To overcome these challenges, we introduce the SS3DM dataset, comprising precise \textbf{S}ynthetic \textbf{S}treet-view \textbf{3D} \textbf{M}esh models exported from the CARLA simulator. These mesh models facilitate accurate position evaluation and include normal vectors for evaluating surface normal. To simulate the input data in realistic driving scenarios for 3D reconstruction, we virtually drive a vehicle equipped with six RGB cameras and five LiDAR sensors in diverse outdoor scenes. Leveraging this dataset, we establish a benchmark for state-of-the-art surface reconstruction methods, providing a comprehensive evaluation of the associated challenges. For more information, visit our homepage at https://ss3dm.top.
• Abstract（参考訳）: デジタルエンターテイメントや自律運転シミュレーションといったアプリケーションには,ストリートビューシナリオのための正確な3D表面の再構築が不可欠である。 しかし、KITTI、Waymo、nuScenesを含む既存のストリートビューデータセットは、再構成された表面の幾何的評価を行うための基底データとして、ノイズの多いLiDARポイントしか提供していない。 これらの幾何学的地下構造は、表面位置を評価するために必要な精度を欠き、表面の正常性を評価するためのデータを提供していないことが多い。 これらの課題を克服するために、CARLAシミュレータからエクスポートされた正確な \textbf{S}ynthetic \textbf{S}treet-view \textbf{3D} \textbf{M}esh モデルからなるSS3DMデータセットを導入する。 これらのメッシュモデルは正確な位置評価を促進し、表面正規性を評価するための正規ベクトルを含む。 6台のRGBカメラと5台のLiDARセンサーを搭載した車両を、多様な屋外シーンで仮想的に駆動する。 このデータセットを活用することで、最先端の表面再構成手法のベンチマークを確立し、関連する課題を総合的に評価する。 詳細については、https://ss3dm.top.comのホームページを参照してください。

関連論文リスト

• SCRREAM : SCan, Register, REnder And Map:A Framework for Annotating Accurate and Dense 3D Indoor Scenes with a Benchmark [43.88114765730359]
  SCRREAMは、シーン内のオブジェクトの完全な高密度メッシュのアノテーションを可能にし、実際の画像シーケンスにカメラのポーズを登録する。 データセットのアノテーションパイプラインの詳細を示し、可能なデータセットの4つのバリエーションを示す。 最近の屋内再建とSLAMのためのパイプラインは、新しいベンチマークとして機能している。
  論文  参考訳（メタデータ） (2024-10-30T05:53:07Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Total-Decom: Decomposed 3D Scene Reconstruction with Minimal Interaction [51.3632308129838]
  人間のインタラクションを最小限に抑えた3次元再構成法であるTotal-Decomを提案する。 提案手法は,Segment Anything Model (SAM) とハイブリッド型暗黙的なニューラルサーフェス表現をシームレスに統合し,メッシュベースの領域成長技術を用いて正確な3次元オブジェクト分解を行う。 提案手法をベンチマークデータセット上で広範囲に評価し,アニメーションやシーン編集などの下流アプリケーションの可能性を示す。
  論文  参考訳（メタデータ） (2024-03-28T11:12:33Z)
• The Drunkard's Odometry: Estimating Camera Motion in Deforming Scenes [79.00228778543553]
  このデータセットは、3Dシーンの中で地上の真実を語る最初の大規模なカメラ軌道である。 リアルな3Dビルディングのシミュレーションでは、膨大な量のデータと地上の真実のラベルが得られます。 本稿では,光学的フロー推定を剛体カメラ運動に分解するDrunkard's Odometryと呼ばれる,変形可能な新しいオドメトリー法を提案する。
  論文  参考訳（メタデータ） (2023-06-29T13:09:31Z)
• Normal Transformer: Extracting Surface Geometry from LiDAR Points Enhanced by Visual Semantics [6.516912796655748]
  本稿では,3次元点雲と2次元カラー画像から正規分布を推定する手法を提案する。 我々は,視覚的セマンティクスと3次元幾何データのハイブリッド情報を活用することを学ぶトランスフォーマーニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2022-11-19T03:55:09Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• Toward Automatic Interpretation of 3D Plots [33.64007355018136]
  本稿では,2変数関数の3次元曲面プロットにおけるデータ表現に用いる格子マーク付き表面のリバースエンジニアリングを機械に教えることの課題について検討する。 我々は、新しい3Dグリッドマーク曲面(SurfaceGrid)のデータセットを合成し、その形状を推定するためにディープニューラルネットワークを訓練する。 提案アルゴリズムは,軸とシェーディング情報を取り除いた合成3次元表面プロットから形状情報を復元し,様々なグリッドタイプでレンダリングし,様々な視点から観察する。
  論文  参考訳（メタデータ） (2021-06-14T17:32:53Z)
• Recovering and Simulating Pedestrians in the Wild [81.38135735146015]
  本研究では,自動車の走行によって野生で捕獲されたセンサから歩行者の形状と動きを復元することを提案する。 再建された歩行者資産銀行をリアルな3Dシミュレーションシステムに組み込む。 シミュレーションしたLiDARデータを用いて,視覚知覚タスクに必要な実世界のデータ量を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2020-11-16T17:16:32Z)
• Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
  ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。 現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。 本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:15:35Z)

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。