論文の概要: Textured Mesh Saliency: Bridging Geometry and Texture for Human Perception in 3D Graphics

• arxiv url: http://arxiv.org/abs/2412.08188v1
• Date: Wed, 11 Dec 2024 08:27:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:01:24.692091
• Title: Textured Mesh Saliency: Bridging Geometry and Texture for Human Perception in 3D Graphics
• Title（参考訳）: テクスチャメッシュ・サリエンシ:3次元グラフィックにおける人間の知覚のためのブリッジング幾何学とテクスチャ
• Authors: Kaiwei Zhang, Dandan Zhu, Xiongkuo Min, Guangtao Zhai,
• Abstract要約: 6自由度(6-DOF)VR環境下での革新的な視線追跡実験により構築したテクスチャメッシュ・サリエンシのための新しいデータセットを提案する。 本モデルでは,各三角形の面を個々の単位として扱い,各局所表面領域の重要性を反映した塩分濃度値を割り当てることで,テクスチャメッシュ表面の塩分濃度マップを推定する。
• 参考スコア（独自算出の注目度）: 50.23625950905638
• License:
• Abstract: Textured meshes significantly enhance the realism and detail of objects by mapping intricate texture details onto the geometric structure of 3D models. This advancement is valuable across various applications, including entertainment, education, and industry. While traditional mesh saliency studies focus on non-textured meshes, our work explores the complexities introduced by detailed texture patterns. We present a new dataset for textured mesh saliency, created through an innovative eye-tracking experiment in a six degrees of freedom (6-DOF) VR environment. This dataset addresses the limitations of previous studies by providing comprehensive eye-tracking data from multiple viewpoints, thereby advancing our understanding of human visual behavior and supporting more accurate and effective 3D content creation. Our proposed model predicts saliency maps for textured mesh surfaces by treating each triangular face as an individual unit and assigning a saliency density value to reflect the importance of each local surface region. The model incorporates a texture alignment module and a geometric extraction module, combined with an aggregation module to integrate texture and geometry for precise saliency prediction. We believe this approach will enhance the visual fidelity of geometric processing algorithms while ensuring efficient use of computational resources, which is crucial for real-time rendering and high-detail applications such as VR and gaming.
• Abstract（参考訳）: テクスチャメッシュは、複雑なテクスチャの詳細を3次元モデルの幾何学的構造にマッピングすることで、オブジェクトの現実性と詳細性を著しく向上させる。 この進歩は、エンターテイメント、教育、産業など、様々な応用において貴重である。 従来のメッシュサリエンシ研究は、非テクスチャメッシュに焦点を当てていますが、私たちの研究は、詳細なテクスチャパターンによってもたらされる複雑さについて調べています。 本稿では,6自由度(6-DOF)VR環境において,革新的な視線追跡実験により構築したテクスチャメッシュ・サリエンシのための新しいデータセットを提案する。 このデータセットは、複数の視点から包括的な視線追跡データを提供し、人間の視覚行動の理解を深め、より正確で効果的な3Dコンテンツ作成を支援することによって、過去の研究の限界に対処する。 本モデルでは,各三角形の面を個々の単位として扱い,各局所表面領域の重要性を反映した塩分濃度値を割り当てることで,テクスチャメッシュ表面の塩分濃度マップを推定する。 このモデルにはテクスチャアライメントモジュールと幾何学的抽出モジュールが組み込まれ、アグリゲーションモジュールと組み合わせてテクスチャと幾何学を統合して正確な塩分率予測を行う。 提案手法は,VRやゲームなどのリアルタイムレンダリングや高精細なアプリケーションにおいて重要な計算資源の有効活用を図りつつ,幾何処理アルゴリズムの視覚的忠実性を高めるものである。

関連論文リスト

• Geometry Distributions [51.4061133324376]
  本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。 提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。 本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-25T04:06:48Z)
• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• TextureDreamer: Image-guided Texture Synthesis through Geometry-aware Diffusion [64.49276500129092]
  TextureDreamerは画像誘導型テクスチャ合成法である。 少数の入力画像から任意のカテゴリでターゲットの3D形状に光沢のあるテクスチャを転送することができる。
  論文  参考訳（メタデータ） (2024-01-17T18:55:49Z)
• ShaDDR: Interactive Example-Based Geometry and Texture Generation via 3D Shape Detailization and Differentiable Rendering [24.622120688131616]
  ShaDDRは、高分解能なテクスチャ化された3D形状を生成するサンプルベースのディープ生成ニューラルネットワークである。 本手法は,マルチレゾリューションボクセルアップサンプリングによる幾何学の精密化と,ボクセル表面のテクスチャの生成を学習する。 生成された形状は、入力された粗いボクセルモデルの全体構造を保存する。
  論文  参考訳（メタデータ） (2023-06-08T02:35:30Z)
• Mesh2Tex: Generating Mesh Textures from Image Queries [45.32242590651395]
  特に、実際の物体の画像からのテクスチャ化されたステージテクスチャは、実際の画像観察と一致する。 本稿では,非相関な3次元オブジェクト形状のコレクションからオブジェクト形状を学習するMesh2Texを紹介する。
  論文  参考訳（メタデータ） (2023-04-12T13:58:25Z)
• Learning Neural Implicit Representations with Surface Signal Parameterizations [14.835882967340968]
  本稿では,外見データに適した表面パラメータ化を暗黙的に符号化するニューラルネットワークアーキテクチャを提案する。 私たちのモデルは、既存のメッシュベースのデジタルコンテンツと外見データとの互換性が保たれています。
  論文  参考訳（メタデータ） (2022-11-01T15:10:58Z)
• Texturify: Generating Textures on 3D Shape Surfaces [34.726179801982646]
  本研究では3次元入力のテクスチャを予測する3次元形状を学習するためにTexturifyを提案する。 本手法では,3Dオブジェクトの学習に3Dカラー管理は不要である。
  論文  参考訳（メタデータ） (2022-04-05T18:00:04Z)
• Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
  そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。 提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。 本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
  論文  参考訳（メタデータ） (2022-03-18T01:42:59Z)
• Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
  1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。 ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。 提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
  論文  参考訳（メタデータ） (2020-08-18T06:33:40Z)

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。