論文の概要: Re-assembling the past: The RePAIR dataset and benchmark for real world 2D and 3D puzzle solving

• arxiv url: http://arxiv.org/abs/2410.24010v1
• Date: Thu, 31 Oct 2024 15:10:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:01:40.499929
• Title: Re-assembling the past: The RePAIR dataset and benchmark for real world 2D and 3D puzzle solving
• Title（参考訳）: 過去を再組み立てする:RePAIRデータセットと実世界の2Dおよび3Dパズル解決のためのベンチマーク
• Authors: Theodore Tsesmelis, Luca Palmieri, Marina Khoroshiltseva, Adeela Islam, Gur Elkin, Ofir Itzhak Shahar, Gianluca Scarpellini, Stefano Fiorini, Yaniv Ohayon, Nadav Alali, Sinem Aslan, Pietro Morerio, Sebastiano Vascon, Elena Gravina, Maria Cristina Napolitano, Giuseppe Scarpati, Gabriel Zuchtriegel, Alexandra Spühler, Michel E. Fuchs, Stuart James, Ohad Ben-Shahar, Marcello Pelillo, Alessio Del Bue,
• Abstract要約: 我々のデータセットには、現在の2Dおよび3Dパズル解決のベンチマークに共通するユニークな特性がある。 破片と骨折は、第二次世界大戦中にポンペイ考古学公園で爆破されたフレスコの崩壊によって引き起こされた現実的なものである。 データセットは、特徴的な画像要素を持つ高解像度画像を提供するマルチモーダルである。
• 参考スコア（独自算出の注目度）: 46.073519734119266
• License:
• Abstract: This paper proposes the RePAIR dataset that represents a challenging benchmark to test modern computational and data driven methods for puzzle-solving and reassembly tasks. Our dataset has unique properties that are uncommon to current benchmarks for 2D and 3D puzzle solving. The fragments and fractures are realistic, caused by a collapse of a fresco during a World War II bombing at the Pompeii archaeological park. The fragments are also eroded and have missing pieces with irregular shapes and different dimensions, challenging further the reassembly algorithms. The dataset is multi-modal providing high resolution images with characteristic pictorial elements, detailed 3D scans of the fragments and meta-data annotated by the archaeologists. Ground truth has been generated through several years of unceasing fieldwork, including the excavation and cleaning of each fragment, followed by manual puzzle solving by archaeologists of a subset of approx. 1000 pieces among the 16000 available. After digitizing all the fragments in 3D, a benchmark was prepared to challenge current reassembly and puzzle-solving methods that often solve more simplistic synthetic scenarios. The tested baselines show that there clearly exists a gap to fill in solving this computationally complex problem.
• Abstract（参考訳）: 本稿では、パズル解法と再集合タスクのための現代的な計算およびデータ駆動手法をテストする上で、困難なベンチマークを示すRePAIRデータセットを提案する。 我々のデータセットには、現在の2Dおよび3Dパズル解決のベンチマークに共通するユニークな特性がある。 破片と骨折は、第二次世界大戦中にポンペイ考古学公園で爆破されたフレスコの崩壊によって引き起こされた現実的なものである。 破片も浸食され、不規則な形状と異なる寸法の断片が欠落しており、さらに再組み立てアルゴリズムに挑戦している。 このデータセットは、特徴的な画像要素、断片の詳細な3Dスキャン、考古学者が注釈したメタデータを含む高解像度画像を提供するマルチモーダルである。 地底の真実は、各断片の発掘と清掃を含む、数年にわたる未解決のフィールドワークを通じて作り出され、続いてアポックスのサブセットの考古学者が手作業でパズルを解いた。 入手可能な16000点中1000点。 すべてのフラグメントを3Dでデジタル化した後、ベンチマークは、より単純な合成シナリオを解決するために、現在の再組み立ておよびパズル解決手法に挑戦する準備が整った。 テストされたベースラインは、この計算的に複雑な問題を解決するのに、明らかにギャップが存在することを示している。

関連論文リスト

• 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)
• Fantastic Breaks: A Dataset of Paired 3D Scans of Real-World Broken Objects and Their Complete Counterparts [0.5572870549559665]
  Fantastic Breaksは、150個の壊れたオブジェクトに対してスキャンされ、防水され、クリーン化された3Dメッシュを含むデータセットです。 Fantastic Breaksには、クラスとマテリアルラベル、壊れたメッシュと結合するプロキシ修復部品、手動でアノテートされた破壊境界が含まれている。 複数の学習手法を用いたファンタスティックブレイクによる形状修復評価実験を行った。
  論文  参考訳（メタデータ） (2023-03-24T17:03:40Z)
• Batch-based Model Registration for Fast 3D Sherd Reconstruction [74.55975819488404]
  3次元復元技術は、考古学的断片のデジタル文書化に広く用いられている。 考古学遺跡から出土した断片の効率的なデジタル化のための携帯型,高スループット,高精度な復元システムを開発することを目的としている。 フラグメントの前後をペアリングするバッチベースの新しいマッチングアルゴリズムと,非常に狭い重複領域を共有する部分スキャンを登録できるバイラテラル境界ICPアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-11-13T13:08:59Z)
• Breaking Bad: A Dataset for Geometric Fracture and Reassembly [47.2247928468233]
  本稿では,破壊対象の大規模データセットであるBreaking Badを紹介する。 私たちのデータセットは、1万のベースモデルからシミュレートされた100万以上の破砕物で構成されています。
  論文  参考訳（メタデータ） (2022-10-20T17:57:19Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
  本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。 提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。 また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
  論文  参考訳（メタデータ） (2022-08-08T08:15:34Z)
• 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)
• Pictorial and apictorial polygonal jigsaw puzzles: The lazy caterer model, properties, and solvers [14.08706290287121]
  任意の直線切断数で大域多角形/像を切断して生成した一般凸多角形であるジグソーパズルを定式化する。 このようなパズルの理論的性質を解析し、ピースが幾何的ノイズで汚染されたときの解法に固有の課題を含む。
  論文  参考訳（メタデータ） (2020-08-17T22:07:40Z)
• Deepzzle: Solving Visual Jigsaw Puzzles with Deep Learning andShortest Path Optimization [30.43614740245788]
  フラグメント間の広い空間で画像再構成問題に取り組む。 フラグメントは、フラグメントの内容から学習するために、アルゴリズムを強制するために境界を二乗します。 再集合グラフにおける分岐切断の効果について検討する。
  論文  参考訳（メタデータ） (2020-05-26T07:19:54Z)

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。