論文の概要: Sparis: Neural Implicit Surface Reconstruction of Indoor Scenes from Sparse Views

• arxiv url: http://arxiv.org/abs/2501.01196v1
• Date: Thu, 02 Jan 2025 11:17:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 17:13:42.231936
• Title: Sparis: Neural Implicit Surface Reconstruction of Indoor Scenes from Sparse Views
• Title（参考訳）: Sparis: スパースビューによる屋内シーンのニューラルインシシデント表面再構成
• Authors: Yulun Wu, Han Huang, Wenyuan Zhang, Chao Deng, Ge Gao, Ming Gu, Yu-Shen Liu,
• Abstract要約: 本研究では,スパースビューから室内表面を再構築するための新しい手法であるSprisを提案する。 我々の前者は、より正確な深度情報を提供しながら、クロスビューの整合性を確保しています。 広範に使用されているベンチマーク実験は、スパースビューのシーン再構成において優れた性能を示す。
• 参考スコア（独自算出の注目度）: 40.617199788113965
• License:
• Abstract: In recent years, reconstructing indoor scene geometry from multi-view images has achieved encouraging accomplishments. Current methods incorporate monocular priors into neural implicit surface models to achieve high-quality reconstructions. However, these methods require hundreds of images for scene reconstruction. When only a limited number of views are available as input, the performance of monocular priors deteriorates due to scale ambiguity, leading to the collapse of the reconstructed scene geometry. In this paper, we propose a new method, named Sparis, for indoor surface reconstruction from sparse views. Specifically, we investigate the impact of monocular priors on sparse scene reconstruction, introducing a novel prior based on inter-image matching information. Our prior offers more accurate depth information while ensuring cross-view matching consistency. Additionally, we employ an angular filter strategy and an epipolar matching weight function, aiming to reduce errors due to view matching inaccuracies, thereby refining the inter-image prior for improved reconstruction accuracy. The experiments conducted on widely used benchmarks demonstrate superior performance in sparse-view scene reconstruction.
• Abstract（参考訳）: 近年,多視点画像から室内の景観形状を再構築し,奨励的な成果を上げている。 現在の方法では、高品質な再構成を実現するために、単分子の先行をニューラルな暗黙の表面モデルに組み込む。 しかし、これらの手法はシーン再構築に数百の画像を必要とする。 入力として限られた数のビューしか利用できない場合、大きさのあいまいさにより単眼の先行性能が低下し、再構成されたシーン形状が崩壊する。 本稿では,スパースビューから室内表面を再構築する新しい手法であるSparisを提案する。 具体的には,画像間マッチング情報に基づく一眼レフ前処理がスパースシーン再構成に与える影響について検討する。 我々の前者は、より正確な深度情報を提供しながら、クロスビューの整合性を確保しています。 さらに,角度フィルタとエピポーラ整合重み関数を用い,視線整合の不正確さによる誤差を低減し,画像間を改良し,再現精度を向上させる。 広範に使用されているベンチマーク実験は、スパースビューのシーン再構成において優れた性能を示す。

関連論文リスト

• PVP-Recon: Progressive View Planning via Warping Consistency for Sparse-View Surface Reconstruction [49.7580491592023]
  PVP-Recon, 新規かつ効果的なスパースビュー表面再構成法を提案する。 PVP-Reconは3つのビューで初期表面の再構築を開始し、徐々に新しいビューを追加する。 このプログレッシブビュー計画の進捗は、神経SDFベースの再構築モジュールによってインターリーブされる。
  論文  参考訳（メタデータ） (2024-09-09T10:06:34Z)
• Spurfies: Sparse Surface Reconstruction using Local Geometry Priors [8.260048622127913]
  我々はスパースビュー表面再構成の新しい手法であるSpurfiesを紹介した。 それは、合成データに基づいて訓練された局所幾何学的先行情報を利用するために、外観と幾何学的情報を切り離す。 提案手法をDTUデータセット上で検証し,従来技術よりも表面品質が35%向上したことを示す。
  論文  参考訳（メタデータ） (2024-08-29T14:02:47Z)
• MaRINeR: Enhancing Novel Views by Matching Rendered Images with Nearby References [49.71130133080821]
  MaRINeRは、近くのマッピング画像の情報を活用して、ターゲット視点のレンダリングを改善する方法である。 暗黙のシーン表現と暗黙のシーン表現の両方から、定量的な指標と定性的な例のレンダリングの改善を示す。
  論文  参考訳（メタデータ） (2024-07-18T17:50:03Z)
• NeuSurf: On-Surface Priors for Neural Surface Reconstruction from Sparse Input Views [41.03837477483364]
  本研究では,表面の高度に忠実な再構成を実現するために,地上の事前情報を活用する新しいスパース・ビュー・リコンストラクション・フレームワークを提案する。 具体的には,大域的幾何アライメントと局所的幾何洗練に関するいくつかの制約を設計し,粗い形状と細部を協調的に最適化する。 DTUとBlendedMVSデータセットによる2つの一般的なスパース設定の実験結果は、最先端の手法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2023-12-21T16:04:45Z)
• DebSDF: Delving into the Details and Bias of Neural Indoor Scene Reconstruction [34.07747722661987]
  本稿では,単分子先行における不確実性の利用とSDFに基づくボリュームレンダリングにおけるバイアスに着目した。 本稿では,より大規模な不確実性とモノラルな先行誤差を関連付ける不確実性モデリング手法を提案する。 その後、バイアスを防ぐために、高い不確実性事前を最適化から除外する。
  論文  参考訳（メタデータ） (2023-08-29T18:00:22Z)
• RICO: Regularizing the Unobservable for Indoor Compositional Reconstruction [30.691038263481904]
  室内構成復元のための不観測領域を規則化するためのRICOを提案する。 私たちのキーとなるアイデアは、隠された背景の滑らかさをまず規則化することです。 背景面の改善により、符号付き距離関数とオブジェクトの逆レンダリング深度は、背景範囲内でそれらをバインドするように最適化できる。
  論文  参考訳（メタデータ） (2023-03-15T13:24:36Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• 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)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。