論文の概要: Separability Membrane: 3D Active Contour for Point Cloud Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2503.05217v1
• Date: Fri, 07 Mar 2025 08:15:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 15:56:41.122912
• Title: Separability Membrane: 3D Active Contour for Point Cloud Surface Reconstruction
• Title（参考訳）: 分離性膜:ポイントクラウド表面再構成のための3次元アクティブな輪郭
• Authors: Gulpi Qorik Oktagalu Pratamasunu, Guoqing Hao, Kazuhiro Fukui,
• Abstract要約: 本稿では,3次元点雲物体から表面を抽出する頑健な3次元アクティブな輪郭である分離性膜を提案する。 提案手法は,3次元物体の表面をフィッシャーの比に基づいて,その内外領域間の強度,色,局所密度などの点特徴の分離性を最大化する境界として定義する。 分離性膜は、クラス分離性を最大化し、局所的および大域的分離性に基づいてその特性を調整する適応的なB-スプライン面で3次元表面モデルの剛性を制御し、3次元物体の正確な表面を識別する。
• 参考スコア（独自算出の注目度）: 6.370668561030067
• License:
• Abstract: This paper proposes Separability Membrane, a robust 3D active contour for extracting a surface from 3D point cloud object. Our approach defines the surface of a 3D object as the boundary that maximizes the separability of point features, such as intensity, color, or local density, between its inner and outer regions based on Fisher's ratio. Separability Membrane identifies the exact surface of a 3D object by maximizing class separability while controlling the rigidity of the 3D surface model with an adaptive B-spline surface that adjusts its properties based on the local and global separability. A key advantage of our method is its ability to accurately reconstruct surface boundaries even when they are ambiguous due to noise or outliers, without requiring any training data or conversion to volumetric representation. Evaluations on a synthetic 3D point cloud dataset and the 3DNet dataset demonstrate the membrane's effectiveness and robustness under diverse conditions.
• Abstract（参考訳）: 本稿では,3次元点雲物体から表面を抽出する頑健な3次元アクティブな輪郭である分離性膜を提案する。 提案手法は,3次元物体の表面をフィッシャーの比に基づいて,その内外領域間の強度,色,局所密度などの点特徴の分離性を最大化する境界として定義する。 分離性膜は、クラス分離性を最大化し、局所的および大域的分離性に基づいてその特性を調整する適応的なB-スプライン面で3次元表面モデルの剛性を制御し、3次元物体の正確な表面を識別する。 本手法の重要な利点は, トレーニングデータやボリューム表現への変換を必要とせず, ノイズや異常により表面境界が曖昧である場合でも, 正確に再構成できることである。 合成3Dポイントクラウドデータセットと3DNetデータセットの評価は、様々な条件下での膜の有効性と堅牢性を示している。

関連論文リスト

• GaussianAnything: Interactive Point Cloud Latent Diffusion for 3D Generation [75.39457097832113]
  本稿では,インタラクティブなポイントクラウド構造ラテント空間を備えたスケーラブルで高品質な3D生成を実現する,新しい3D生成フレームワークを提案する。 本フレームワークでは,複数ビューのRGB-D(epth)-N(ormal)レンダリングを入力として使用する変分オートエンコーダを,3次元形状情報を保存する独自のラテント空間設計を用いて構成する。 提案手法であるGaussianAnythingは,複数モード条件付き3D生成をサポートし,ポイントクラウド,キャプション,シングル/マルチビュー画像入力を可能にする。
  論文  参考訳（メタデータ） (2024-11-12T18:59:32Z)
• GALA: Geometry-Aware Local Adaptive Grids for Detailed 3D Generation [28.299293407423455]
  GALAは複雑な幾何学や表面の細部を捉え再現する3次元形状の斬新な表現である。 最適化されたC++/CUDA実装では、GALAをオブジェクトに10秒以内で適用することができます。 幾何学的なディテールで3次元形状を生成することができるカスケード生成パイプラインを提供する。
  論文  参考訳（メタデータ） (2024-10-13T22:53:58Z)
• Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の双方の最も高い需要において、これらの誤り貢献ゾーンを特定することができる。 LPMは特定ゾーンに点密度を適用し、これらの領域の前に位置する点の不透明度をリセットし、不条件点を補正する新たな機会を創出する。 特に、LPMはバニラ3DGSとSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• LISR: Learning Linear 3D Implicit Surface Representation Using Compactly Supported Radial Basis Functions [5.056545768004376]
  部分的かつノイズの多い3次元点雲スキャンから物体を3次元表面で再構成することは、古典的な幾何学処理と3次元コンピュータビジョンの問題である。 本稿では,物体の3次元表面の線形暗黙的形状表現を学習するためのニューラルネットワークアーキテクチャを提案する。 提案手法は,ベンチマークデータセットの最先端手法よりも,チャムファー距離と同等のFスコアを実現する。
  論文  参考訳（メタデータ） (2024-02-11T20:42:49Z)
• MS23D: A 3D Object Detection Method Using Multi-Scale Semantic Feature Points to Construct 3D Feature Layer [4.644319899528183]
  LiDAR点雲は、三次元空間における物体の動きと姿勢を効果的に描写することができる。 自律運転のシナリオでは、点雲の空間性と空洞性は、ボクセルベースの方法にいくつかの困難をもたらす。 我々はMS23Dと呼ばれる2段階の3Dオブジェクト検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-31T08:03:25Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• Shape Prior Non-Uniform Sampling Guided Real-time Stereo 3D Object Detection [59.765645791588454]
  最近導入されたRTS3Dは、深度監督のないオブジェクトの中間表現のための効率的な4次元特徴整合埋め込み空間を構築している。 本研究では, 内部領域で高密度サンプリングを行い, 内部領域でスパースサンプリングを行う非一様サンプリング方式を提案する。 提案手法は,ネットワークパラメータをほとんど含まないAP3dに対して2.57%の改善を実現している。
  論文  参考訳（メタデータ） (2021-06-18T09:14:55Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation [81.02742110604161]
  大規模運転シーンのLiDARセグメンテーションのための最先端の手法は、しばしば点雲を2次元空間に投影し、2D畳み込みによって処理する。 そこで我々は,3次元幾何学的パタンを探索するために,円筒分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。 提案手法はセマンティックKITTIのリーダーボードにおいて第1位を獲得し,既存のnuScenesの手法を約4%のマージンで上回っている。
  論文  参考訳（メタデータ） (2020-11-19T18:53:11Z)
• Leveraging Planar Regularities for Point Line Visual-Inertial Odometry [13.51108336267342]
  モノクラー・ビジュアル・慣性オドメトリー(VIO)システムでは、3Dポイント・クラウドとカメラ・モーションを同時に推定することができる。 平面規則性だけでなく点特徴や線特徴を利用するPLP-VIOを提案する。 提案手法の有効性を,合成データと公開データセットの両方で検証した。
  論文  参考訳（メタデータ） (2020-04-16T18:20:00Z)
• 3D Object Detection on Point Clouds using Local Ground-aware and Adaptive Representation of scenes' surface [1.9336815376402714]
  新規で適応的な地上認識と費用対効果の高い3次元物体検出パイプラインを提案する。 2段Lidar物体検出パイプラインにおける最先端3次元物体検出性能について提案する。
  論文  参考訳（メタデータ） (2020-02-02T05:42:23Z)

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。