論文の概要: Beyond Complete Shapes: A quantitative Evaluation of 3D Shape Matching Algorithms

• arxiv url: http://arxiv.org/abs/2411.03511v1
• Date: Tue, 05 Nov 2024 21:08:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-07 19:23:34.673746
• Title: Beyond Complete Shapes: A quantitative Evaluation of 3D Shape Matching Algorithms
• Title（参考訳）: 完全形状を超えて:3次元形状マッチングアルゴリズムの定量的評価
• Authors: Viktoria Ehm, Nafie El Amrani, Yizheng Xie, Lennart Bastian, Maolin Gao, Weikang Wang, Lu Sang, Dongliang Cao, Zorah Lähner, Daniel Cremers, Florian Bernard,
• Abstract要約: 3次元形状の対応を見つけることは、コンピュータビジョン、グラフィックスなどにおいて重要な問題である。 我々は、挑戦的な部分的な形状マッチングシナリオの手続き生成のための汎用的で柔軟なフレームワークを提供する。 手動で7つの既存の(完全な幾何学)形状マッチングデータセット間のクロスデータセット対応を作成し、合計2543個の形状を生成する。
• 参考スコア（独自算出の注目度）: 41.95394677818476
• License:
• Abstract: Finding correspondences between 3D shapes is an important and long-standing problem in computer vision, graphics and beyond. While approaches based on machine learning dominate modern 3D shape matching, almost all existing (learning-based) methods require that at least one of the involved shapes is complete. In contrast, the most challenging and arguably most practically relevant setting of matching partially observed shapes, is currently underexplored. One important factor is that existing datasets contain only a small number of shapes (typically below 100), which are unable to serve data-hungry machine learning approaches, particularly in the unsupervised regime. In addition, the type of partiality present in existing datasets is often artificial and far from realistic. To address these limitations and to encourage research on these relevant settings, we provide a generic and flexible framework for the procedural generation of challenging partial shape matching scenarios. Our framework allows for a virtually infinite generation of partial shape matching instances from a finite set of shapes with complete geometry. Further, we manually create cross-dataset correspondences between seven existing (complete geometry) shape matching datasets, leading to a total of 2543 shapes. Based on this, we propose several challenging partial benchmark settings, for which we evaluate respective state-of-the-art methods as baselines.
• Abstract（参考訳）: 3次元形状の対応を見つけることは、コンピュータビジョン、グラフィックスなどにおいて、重要かつ長年にわたる問題である。 機械学習に基づくアプローチが現代の3次元形状マッチングを支配しているが、既存の(学習に基づく)手法のほとんど全てが、少なくとも1つの関連する形状が完成することを要求している。 対照的に、最も困難で、おそらく最も実用的に関係している部分的な形状の設定は、現在未発見である。 重要な要素の1つは、既存のデータセットが(典型的には100以下の)少数の形状しか含まないことである。 さらに、既存のデータセットに存在する部分性の種類は、しばしば人工的であり、現実的ではない。 これらの制約に対処し、これらの関連する設定についての研究を促進するために、我々は、挑戦的な部分的な形状マッチングシナリオを手続き的に生成するための汎用的で柔軟なフレームワークを提供する。 我々のフレームワークは、完全な幾何を持つ有限形状の集合から、事実上無限個の部分的な形状マッチングインスタンスを生成することができる。 さらに、7つの既存の(完全な幾何学)形状マッチングデータセット間の相互データセット対応を手作業で作成し、合計2543個の形状を生成する。 そこで本研究では,各手法をベースラインとして評価する,いくつかの部分的ベンチマーク設定を提案する。

関連論文リスト

• Partial-to-Partial Shape Matching with Geometric Consistency [47.46502145377953]
  3次元形状の対応を見つけることは、コンピュータビジョン、グラフィックスなどにおいて、重要かつ長年にわたる問題である。 我々は、幾何学的整合性を強い制約として利用することにより、既存の(あるいは人工的な)3次元フル形状マッチングと部分的から部分的な実世界の設定のギャップを埋める。 三角積空間上に構築された新しい整数非線型プログラム形式により実現された部分対部分マッチングの幾何学的整合性を実現する。
  論文  参考訳（メタデータ） (2024-04-18T14:14:07Z)
• 3D Shape Completion on Unseen Categories:A Weakly-supervised Approach [61.76304400106871]
  未確認のカテゴリから完全な形状を再構築するための、新しい弱教師付きフレームワークを導入する。 まず,各カテゴリから得られたデータを利用して粗い形状を推定する,エンドツーエンドの事前支援型形状学習ネットワークを提案する。 さらに, 粗い形状をさらに洗練させるために, 自己教師型形状改善モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-19T09:41:09Z)
• Geometrically Consistent Partial Shape Matching [50.29468769172704]
  3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。 しばしば無視されるが、整合幾何学の重要な性質は整合性である。 本稿では,新しい整数型線形計画部分形状整合式を提案する。
  論文  参考訳（メタデータ） (2023-09-10T12:21:42Z)
• Self-Supervised Learning for Multimodal Non-Rigid 3D Shape Matching [15.050801537501462]
  我々は、メッシュベースの関数マップ正規化と、メッシュとポイントクラウドデータを結合する対照的な損失を組み合わせた、自己教師型マルチモーダル学習戦略を導入する。 我々の形状マッチングアプローチは、三角形メッシュ、完全点雲、部分的に観察された点雲のモード内対応を得ることを可能にする。 提案手法は,いくつかの挑戦的なベンチマークデータセットに対して,最先端の結果を達成できることを実証する。
  論文  参考訳（メタデータ） (2023-03-20T09:47:02Z)
• PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval and Deformation [59.70430570779819]
  本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。 私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。 部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
  論文  参考訳（メタデータ） (2022-07-24T18:59:09Z)
• Shape Completion via IMLE [9.716911810130576]
  形状完了は部分的なスキャンなどの部分的な入力形状を完了させる問題である。 本稿では,一対多のマッピングを効果的に学習できる新しいマルチモーダル形状補完手法を提案する。 本手法は, 形状の完全性と多様性の観点から, 代替案よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-30T17:45:10Z)
• Isometric Multi-Shape Matching [50.86135294068138]
  形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。 アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。 定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
  論文  参考訳（メタデータ） (2020-12-04T15:58:34Z)

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。