論文の概要: ROSA: Reconstructing Object Shape and Appearance Textures by Adaptive Detail Transfer

• arxiv url: http://arxiv.org/abs/2501.18595v1
• Date: Thu, 30 Jan 2025 18:59:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:14:50.982908
• Title: ROSA: Reconstructing Object Shape and Appearance Textures by Adaptive Detail Transfer
• Title（参考訳）: ROSA:適応的Detail Transferによるオブジェクト形状と外観テクスチャの再構築
• Authors: Julian Kaltheuner, Patrick Stotko, Reinhard Klein,
• Abstract要約: 画像データのみに基づいて,空間適応型メッシュ解像度でメッシュ幾何学を直接最適化する逆レンダリング手法を提案する。 特に,メッシュの精細化と表面の滑らかさの局所的条件を,推定された通常のテクスチャとメッシュ曲率に基づいて検討する。 さらに,先駆的なタイルベースの手法により,高分解能なテクスチャの微細な外観の再現を可能にする。
• 参考スコア（独自算出の注目度）: 3.5884936187733403
• License:
• Abstract: Reconstructing an object's shape and appearance in terms of a mesh textured by a spatially-varying bidirectional reflectance distribution function (SVBRDF) from a limited set of images captured under collocated light is an ill-posed problem. Previous state-of-the-art approaches either aim to reconstruct the appearance directly on the geometry or additionally use texture normals as part of the appearance features. However, this requires detailed but inefficiently large meshes, that would have to be simplified in a post-processing step, or suffers from well-known limitations of normal maps such as missing shadows or incorrect silhouettes. Another limiting factor is the fixed and typically low resolution of the texture estimation resulting in loss of important surface details. To overcome these problems, we present ROSA, an inverse rendering method that directly optimizes mesh geometry with spatially adaptive mesh resolution solely based on the image data. In particular, we refine the mesh and locally condition the surface smoothness based on the estimated normal texture and mesh curvature. In addition, we enable the reconstruction of fine appearance details in high-resolution textures through a pioneering tile-based method that operates on a single pre-trained decoder network but is not limited by the network output resolution.
• Abstract（参考訳）: 空間的に異なる双方向反射率分布関数(SVBRDF)によってテクスチャ化されたメッシュで物体の形状と外観を再構成することは、光の衝突で捉えた限られた画像集合から生じる問題である。 従来の最先端のアプローチは、幾何学上の外観を直接再構築することや、外観の特徴の一部としてテクスチャ・ノーマルを付加することを目的としていた。 しかし、これは詳細だが非効率なメッシュを必要としており、これは後処理のステップで単純化する必要がある。 もう1つの制限要因は、テクスチャ推定の固定的で典型的には低い解像度であり、重要な表面の詳細が失われる。 これらの問題を解決するために,画像データのみに基づいて,空間適応型メッシュ解像度でメッシュ幾何学を直接最適化する逆レンダリング手法であるROSAを提案する。 特に,メッシュの精細化と表面の滑らかさの局所的条件を,推定された通常のテクスチャとメッシュ曲率に基づいて検討する。 さらに,1つの事前学習デコーダネットワークで動作する先駆的なタイルベースの手法により,高分解能なテクスチャにおける微細な外観の再現を可能にするが,ネットワーク出力の解像度には制限されない。

関連論文リスト

• EASI-Tex: Edge-Aware Mesh Texturing from Single Image [12.942796503696194]
  本稿では,オブジェクトのテクスチャを与えられた3Dメッシュオブジェクトにシームレスに転送する条件付き拡散モデルを用いて,単一画像に対する新しいアプローチを提案する。 2つの対象が同じ圏に属しているとは仮定せず、たとえそうであるとしても、その割合と部分比で相違があると仮定する。
  論文  参考訳（メタデータ） (2024-05-27T17:46:22Z)
• Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
  多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。 近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。 本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
  論文  参考訳（メタデータ） (2023-09-14T12:05:29Z)
• Pyramid Texture Filtering [86.15126028139736]
  目立った構造を保ちながらテクスチャをスムーズにするための,シンプルだが効果的な手法を提案する。 ガウスピラミッドの粗いレベルは、しばしば自然にテクスチャを排除し、主要な画像構造を要約する。 本手法は, 異なるスケール, 局所的なコントラスト, 形状のテクスチャから構造を分離する上で, 構造劣化や視覚的アーティファクトの導入を伴わずに有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-11T02:05:30Z)
• NeMF: Inverse Volume Rendering with Neural Microflake Field [30.15831015284247]
  本稿では,面ベースレンダリングとは対照的に,逆ボリュームレンダリングを提案する。 マイクロフレークボリュームを暗黙的に符号化するために座標ネットワークを採用し、エンド・ツー・エンドでネットワークをトレーニングするための微分可能なマイクロフレークボリュームを開発した。
  論文  参考訳（メタデータ） (2023-04-03T08:12:18Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• Deep Rectangling for Image Stitching: A Learning Baseline [57.76737888499145]
  我々は不規則な境界やシーンに大きな多様性を持つ最初の画像縫合整形データセットを構築した。 実験では、従来の方法よりも定量的にも質的にも優位性を示す。
  論文  参考訳（メタデータ） (2022-03-08T03:34:10Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Z2P: Instant Rendering of Point Clouds [104.1186026323896]
  ニューラルネットワークを用いて点雲をレンダリングする手法を提案する。 既存のポイントレンダリング技術は、スプレイティングを使用するか、最初にレンダリング可能な表面メッシュを再構築する。
  論文  参考訳（メタデータ） (2021-05-30T13:58:24Z)

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。