論文の概要: Efficient Interactive 3D Multi-Object Removal

• arxiv url: http://arxiv.org/abs/2501.17636v1
• Date: Wed, 29 Jan 2025 13:12:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:53:57.750599
• Title: Efficient Interactive 3D Multi-Object Removal
• Title（参考訳）: インタラクティブ3次元多目的物体除去の効率化
• Authors: Jingcheng Ni, Weiguang Zhao, Daniel Wang, Ziyao Zeng, Chenyu You, Alex Wong, Kaizhu Huang,
• Abstract要約: 本稿では,3次元多目的物体除去のための効率的かつユーザフレンドリーなパイプラインを提案する。 複数のビューにまたがるオブジェクトの一貫性と対応性を確保するために,新しいマスクマッチングと改良モジュールを提案する。 提案手法は計算コストを大幅に削減し,処理速度を最先端の手法よりも80%以上高速化する。
• 参考スコア（独自算出の注目度）: 25.832938786291358
• License:
• Abstract: Object removal is of great significance to 3D scene understanding, essential for applications in content filtering and scene editing. Current mainstream methods primarily focus on removing individual objects, with a few methods dedicated to eliminating an entire area or all objects of a certain category. They however confront the challenge of insufficient granularity and flexibility for real-world applications, where users demand tailored excision and preservation of objects within defined zones. In addition, most of the current methods require kinds of priors when addressing multi-view inpainting, which is time-consuming. To address these limitations, we propose an efficient and user-friendly pipeline for 3D multi-object removal, enabling users to flexibly select areas and define objects for removal or preservation. Concretely, to ensure object consistency and correspondence across multiple views, we propose a novel mask matching and refinement module, which integrates homography-based warping with high-confidence anchor points for segmentation. By leveraging the IoU joint shape context distance loss, we enhance the accuracy of warped masks and improve subsequent inpainting processes. Considering the current immaturity of 3D multi-object removal, we provide a new evaluation dataset to bridge the developmental void. Experimental results demonstrate that our method significantly reduces computational costs, achieving processing speeds more than 80% faster than state-of-the-art methods while maintaining equivalent or higher reconstruction quality.
• Abstract（参考訳）: オブジェクトの除去は3Dシーン理解にとって非常に重要であり、コンテンツフィルタリングやシーン編集に必須である。 現在の主流のメソッドは、主に個々のオブジェクトを削除することに焦点を当てており、いくつかのメソッドは、あるカテゴリの全領域またはすべてのオブジェクトを削除することを目的としています。 しかし、ユーザーは定義されたゾーン内のオブジェクトのカスタマイズと保存を要求する現実世界のアプリケーションでは、粒度と柔軟性が不十分であるという課題に直面している。 さらに、現在の手法のほとんどは、時間を要するマルチビューのインペインティングに対処する上で、事前の種別を必要とする。 これらの制約に対処するために,ユーザが柔軟にエリアを選択し,削除や保存のためのオブジェクトを定義することができる,効率的でユーザフレンドリーな3次元多目的除去パイプラインを提案する。 具体的には,複数の視点にまたがるオブジェクトの一貫性と対応性を確保するために,ホモグラフィに基づくワープと高信頼アンカーポイントを統合した新しいマスクマッチングと改良モジュールを提案する。 我々はIoU関節形状のコンテキスト距離損失を利用して、歪んだマスクの精度を高め、その後の塗装工程を改善する。 現時点における3次元多物体除去の未成熟さを考慮すると, 発達的空隙を橋渡しするための新しい評価データセットを提供する。 実験の結果,提案手法は計算コストを大幅に削減し,処理速度は最先端の手法よりも80%以上向上し,等価あるいは高い再構成品質を維持した。

関連論文リスト

• MObI: Multimodal Object Inpainting Using Diffusion Models [52.07640413626605]
  マルチモーダル・オブジェクト・インペイントのための新しいフレームワークであるMObIを紹介する。 単一の参照RGBイメージを使用して、MObIは既存のマルチモーダルシーンにオブジェクトをシームレスに挿入できる。 マスクの編集だけに頼っている従来の塗り絵とは違って、3Dバウンディングボックスコンディショニングは、オブジェクトの正確な空間的位置決めとリアルなスケーリングを可能にします。
  論文  参考訳（メタデータ） (2025-01-06T17:43:26Z)
• ObjectCarver: Semi-automatic segmentation, reconstruction and separation of 3D objects [44.38881095466177]
  複数の画像から3次元表面を再構成する際、暗黙の神経磁場は顕著な進歩を遂げた。 これまでの研究は、署名された距離フィールドを個別に訓練するフレームワークを導入して、この問題に対処しようと試みてきた。 一つのビューで単に入力をクリックすることからオブジェクト分離の問題に取り組むために、ObjectCarverというメソッドを導入します。
  論文  参考訳（メタデータ） (2024-07-26T22:13:20Z)
• Object-level Scene Deocclusion [92.39886029550286]
  オブジェクトレベルのシーン・デクルージョンのためのPArallel可視・コミュールト拡散フレームワークPACOを提案する。 PACOをトレーニングするために、500kサンプルの大規模なデータセットを作成し、自己教師付き学習を可能にします。 COCOAと様々な現実世界のシーンの実験では、PACOがシーンの排除に優れた能力を示し、芸術の状態をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-06-11T20:34:10Z)
• A bioinspired three-stage model for camouflaged object detection [8.11866601771984]
  本稿では,1回の繰り返しで粗い部分分割を可能にする3段階モデルを提案する。 本モデルでは, 3つのデコーダを用いて, サブサンプル特徴, 収穫特徴, および高解像度のオリジナル特徴を逐次処理する。 我々のネットワークは、不要な複雑さを伴わずに最先端のCNNベースのネットワークを上回る。
  論文  参考訳（メタデータ） (2023-05-22T02:01:48Z)
• OR-NeRF: Object Removing from 3D Scenes Guided by Multiview Segmentation with Neural Radiance Fields [53.32527220134249]
  ニューラル・レージアンス・フィールド(NeRF)の出現により,3次元シーン編集への関心が高まっている。 現在の手法では、時間を要するオブジェクトのラベル付け、特定のターゲットを削除する能力の制限、削除後のレンダリング品質の妥協といった課題に直面している。 本稿では, OR-NeRF と呼ばれる新しいオブジェクト除去パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-05-17T18:18:05Z)
• CASAPose: Class-Adaptive and Semantic-Aware Multi-Object Pose Estimation [2.861848675707602]
  CASAPoseと呼ばれる新しい単一ステージアーキテクチャを提案する。 RGB画像中の複数の異なるオブジェクトのポーズ推定のための2D-3D対応を1パスで決定する。 高速でメモリ効率が高く、複数のオブジェクトに対して高い精度を実現する。
  論文  参考訳（メタデータ） (2022-10-11T10:20:01Z)
• Unsupervised Multi-View Object Segmentation Using Radiance Field Propagation [55.9577535403381]
  本稿では,未ラベルのシーンの多視点画像のみを考慮し,再構成中の3次元オブジェクトのセグメント化に新たなアプローチを提案する。 提案手法の核となるのは,2方向光度損失を持つ個々の物体の放射界に対する新しい伝搬戦略である。 我々の知る限り、RFPはニューラルレイディアンスフィールド(NeRF)のための3次元シーンオブジェクトセグメンテーションに取り組むための最初の教師なしアプローチである。
  論文  参考訳（メタデータ） (2022-10-02T11:14:23Z)
• High-resolution Iterative Feedback Network for Camouflaged Object Detection [128.893782016078]
  カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。 エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。 我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
  論文  参考訳（メタデータ） (2022-03-22T11:20:21Z)
• Objects are Different: Flexible Monocular 3D Object Detection [87.82253067302561]
  そこで本研究では,乱れたオブジェクトを明示的に分離し,オブジェクト深度推定のための複数のアプローチを適応的に組み合わせたモノクル3次元オブジェクト検出のためのフレキシブルなフレームワークを提案する。 実験の結果,本手法はkittiベンチマークテストセットにおいて,中等度レベルが27%,硬度が30%と,最先端法を27%上回った。
  論文  参考訳（メタデータ） (2021-04-06T07:01:28Z)

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。