論文の概要: Towards Unified Structured Light Optimization

• arxiv url: http://arxiv.org/abs/2501.14659v1
• Date: Fri, 24 Jan 2025 17:29:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:56:45.673072
• Title: Towards Unified Structured Light Optimization
• Title（参考訳）: 統一構造光最適化に向けて
• Authors: Tinglei Wan, Tonghua Su, Zhongjie Wang,
• Abstract要約: 構造光(SL)3次元再構成は、物体の表面の正確な形状を捉える。 多様な照明条件やオブジェクトタイプ,さまざまなタイプのSLに適応可能な,SL最適化のための統一フレームワークを提案する。 主なコントリビューションには、プロジェクタの新たなグローバルマッチング方法があり、プロジェクタとカメラの正確なアライメントを可能にする。
• 参考スコア（独自算出の注目度）: 2.4823372746556442
• License:
• Abstract: Structured light (SL) 3D reconstruction captures the precise surface shape of objects, providing high-accuracy 3D data essential for industrial inspection and robotic vision systems. However, current research on optimizing projection patterns in SL 3D reconstruction faces two main limitations: each scene requires separate training of calibration parameters, and optimization is restricted to specific types of SL, which restricts their application range. To tackle these limitations, we present a unified framework for SL optimization, adaptable to diverse lighting conditions, object types, and different types of SL. Our framework quickly determines the optimal projection pattern using only a single projected image. Key contributions include a novel global matching method for projectors, enabling precise projector-camera alignment with just one projected image, and a new projection compensation model with a photometric adjustment module to reduce artifacts from out-of-gamut clipping. Experimental results show our method achieves superior decoding accuracy across various objects, SL patterns, and lighting conditions, significantly outperforming previous methods.
• Abstract（参考訳）: 構造光(SL)3D再構成は、精密な物体の表面形状を捉え、産業検査やロボットビジョンシステムに不可欠な高精度な3Dデータを提供する。 しかし、SL 3D再構成における投影パターンの最適化に関する現在の研究は、各シーンはキャリブレーションパラメータの個別のトレーニングを必要とし、最適化はアプリケーション範囲を制限する特定のタイプのSLに制限されるという2つの主な制限に直面している。 これらの制約に対処するため、多様な照明条件、オブジェクトタイプ、異なるタイプのSLに適応可能な、SL最適化のための統一的なフレームワークを提案する。 我々のフレームワークは、単一の投影画像のみを用いて、最適な投影パターンを迅速に決定する。 主なコントリビューションには、プロジェクタの新たなグローバルマッチング方法、投影された1つの画像との正確なプロジェクタカメラアライメントを可能にするプロジェクタカメラアライメント、光度調整モジュールを用いた新しいプロジェクタ補償モデルなどが含まれる。 実験により,本手法は様々な物体, SLパターン, 照明条件において優れた復号精度を実現し, 従来手法よりも優れていた。

関連論文リスト

• Neural Active Structure-from-Motion in Dark and Textureless Environment [1.3378968838200862]
  構造光(SL)システムのための同時形状再構成とポーズ推定手法を提案する。 提案手法は,投影されたパターンのみを観察した画像から,正確な形状復元とポーズ推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-20T12:29:01Z)
• GS-Phong: Meta-Learned 3D Gaussians for Relightable Novel View Synthesis [63.5925701087252]
  本稿では,3次元ガウス点の集合を用いて,点光で照らされたシーンを表現する手法を提案する。 Blinn-Phongモデルにインスパイアされた我々の手法は、シーンを周囲、拡散、および特異成分に分解する。 照明条件に依存しない幾何学的情報の分解を容易にするため,新しい二段階最適化に基づくメタラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-31T13:48:54Z)
• GGRt: Towards Pose-free Generalizable 3D Gaussian Splatting in Real-time [112.32349668385635]
  GGRtは、現実のカメラポーズの必要性を軽減する、一般化可能な新しいビュー合成のための新しいアプローチである。 最初のポーズフリーの一般化可能な3D-GSフレームワークとして、GGRtは$ge$5 FPSで、リアルタイムレンダリングは$ge$100 FPSで実現している。
  論文  参考訳（メタデータ） (2024-03-15T09:47:35Z)
• Neural Projection Mapping Using Reflectance Fields [11.74757574153076]
  我々は、プロジェクターを神経反射場に導入し、プロジェクターを校正し、リアルな光編集を行う。 私たちのニューラルネットワークは3つのニューラルネットワークで構成されています。 ニューラルプロジェクションマッピングは、シーンとプロジェクションイメージの共同最適化を通じて、新規でエキサイティングな下流タスクへの扉を開くと信じている。
  論文  参考訳（メタデータ） (2023-06-11T05:33:10Z)
• Towards Scalable Multi-View Reconstruction of Geometry and Materials [27.660389147094715]
  本稿では,3次元シーンのカメラポーズ,オブジェクト形状,空間変化の両方向反射分布関数(svBRDF)のジョイントリカバリ手法を提案する。 入力は高解像度のRGBD画像であり、アクティブ照明用の点灯付き携帯型ハンドヘルドキャプチャシステムによってキャプチャされる。
  論文  参考訳（メタデータ） (2023-06-06T15:07:39Z)
• Neural Lens Modeling [50.57409162437732]
  NeuroLens(ニューロレンス)は、点投影と光線鋳造に使用できる歪みと磁化のための神経レンズモデルである。 古典的なキャリブレーションターゲットを使用してプリキャプチャのキャリブレーションを行うことができ、後に3D再構成の際にキャリブレーションやリファインメントを行うために使用できる。 このモデルは、多くのレンズタイプにまたがって一般化されており、既存の3D再構成とレンダリングシステムとの統合は容易である。
  論文  参考訳（メタデータ） (2023-04-10T20:09:17Z)
• Multi-View Neural Surface Reconstruction with Structured Light [7.709526244898887]
  微分可能レンダリング(DR)に基づく3次元オブジェクト再構成はコンピュータビジョンにおいて活発な研究課題である。 DRに基づく多視点3Dオブジェクト再構成において,構造化光(SL)を用いたアクティブセンシングを導入し,任意のシーンやカメラポーズの未知の形状と外観を学習する。 本手法は, テクスチャレス領域における高い再現精度を実現し, カメラポーズキャリブレーションの労力を削減する。
  論文  参考訳（メタデータ） (2022-11-22T03:10:46Z)
• Progressively-connected Light Field Network for Efficient View Synthesis [69.29043048775802]
  本稿では、複雑な前方シーンのビュー合成のためのプログレッシブ・コネクテッド・ライトフィールド・ネットワーク(ProLiF)を提案する。 ProLiFは4Dライトフィールドをエンコードし、画像やパッチレベルの損失に対するトレーニングステップで大量の光線をレンダリングすることができる。
  論文  参考訳（メタデータ） (2022-07-10T13:47:20Z)
• Differentiable Rendering with Perturbed Optimizers [85.66675707599782]
  2Dイメージプロジェクションから3Dシーンを推論することは、コンピュータビジョンにおける中核的な問題の一つだ。 我々の研究は、よく知られた微分可能な定式化とランダムなスムーズなレンダリングの関連性を強調している。 提案手法を3次元シーン再構成に適用し,その利点を6次元ポーズ推定と3次元メッシュ再構成の課題に適用した。
  論文  参考訳（メタデータ） (2021-10-18T08:56:23Z)
• SIDER: Single-Image Neural Optimization for Facial Geometric Detail Recovery [54.64663713249079]
  SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。 以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
  論文  参考訳（メタデータ） (2021-08-11T22:34:53Z)

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。