論文の概要: Digital Twin Catalog: A Large-Scale Photorealistic 3D Object Digital Twin Dataset

• arxiv url: http://arxiv.org/abs/2504.08541v1
• Date: Fri, 11 Apr 2025 13:54:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:19:36.523039
• Title: Digital Twin Catalog: A Large-Scale Photorealistic 3D Object Digital Twin Dataset
• Title（参考訳）: Digital Twin Catalog: 大規模フォトリアリスティックな3Dオブジェクトデジタルツインデータセット
• Authors: Zhao Dong, Ka Chen, Zhaoyang Lv, Hong-Xing Yu, Yunzhi Zhang, Cheng Zhang, Yufeng Zhu, Stephen Tian, Zhengqin Li, Geordie Moffatt, Sean Christofferson, James Fort, Xiaqing Pan, Mingfei Yan, Jiajun Wu, Carl Yuheng Ren, Richard Newcombe,
• Abstract要約: Digital Twin Catalogは、大規模な3Dオブジェクトデジタルツインデータセットである。 スキャンされた2000個のデジタルツイン品質の3Dオブジェクトと、DSLRカメラとARメガネを使用して異なる照明条件下で撮影された画像シーケンスを備える。
• 参考スコア（独自算出の注目度）: 25.46046772152158
• License:
• Abstract: We introduce Digital Twin Catalog (DTC), a new large-scale photorealistic 3D object digital twin dataset. A digital twin of a 3D object is a highly detailed, virtually indistinguishable representation of a physical object, accurately capturing its shape, appearance, physical properties, and other attributes. Recent advances in neural-based 3D reconstruction and inverse rendering have significantly improved the quality of 3D object reconstruction. Despite these advancements, there remains a lack of a large-scale, digital twin quality real-world dataset and benchmark that can quantitatively assess and compare the performance of different reconstruction methods, as well as improve reconstruction quality through training or fine-tuning. Moreover, to democratize 3D digital twin creation, it is essential to integrate creation techniques with next-generation egocentric computing platforms, such as AR glasses. Currently, there is no dataset available to evaluate 3D object reconstruction using egocentric captured images. To address these gaps, the DTC dataset features 2,000 scanned digital twin-quality 3D objects, along with image sequences captured under different lighting conditions using DSLR cameras and egocentric AR glasses. This dataset establishes the first comprehensive real-world evaluation benchmark for 3D digital twin creation tasks, offering a robust foundation for comparing and improving existing reconstruction methods. The DTC dataset is already released at https://www.projectaria.com/datasets/dtc/ and we will also make the baseline evaluations open-source.
• Abstract（参考訳）: 我々は,Digital Twin Catalog (DTC)を紹介した。 3Dオブジェクトのデジタルツイン(Digital twin)は、その形状、外観、物理的特性、その他の属性を正確に把握し、物理的オブジェクトの非常に詳細に、事実上区別できない表現である。 ニューラルベース3次元再構成と逆レンダリングの最近の進歩は、3次元オブジェクト再構成の品質を著しく向上させた。 これらの進歩にもかかわらず、大規模なデジタルツイン品質のリアルワールドデータセットとベンチマークが欠如しており、さまざまな再構築手法のパフォーマンスを定量的に評価し比較し、トレーニングや微調整によって再構築品質を改善することができる。 さらに、3Dデジタル双生児の創造を民主化するためには、ARグラスのような次世代のエゴセントリックコンピューティングプラットフォームと創造技術を統合することが不可欠である。 現在、エゴセントリックなキャプチャー画像を用いて3次元オブジェクト再構成を評価するデータセットは存在しない。 これらのギャップに対処するため、DTCデータセットは2000個のスキャンされたデジタルツイン品質の3Dオブジェクトと、DSLRカメラとエゴセントリックなARメガネを使用して異なる照明条件下で撮影された画像シーケンスを備えている。 このデータセットは、3Dデジタルツイン生成タスクのための最初の総合的な実世界評価ベンチマークを確立し、既存の再構築方法の比較と改善のための堅牢な基盤を提供する。 DTCデータセットはすでにhttps://www.projectaria.com/datasets/dtc/でリリースされています。

関連論文リスト

• FAMOUS: High-Fidelity Monocular 3D Human Digitization Using View Synthesis [51.193297565630886]
  テクスチャを正確に推測することの難しさは、特に正面視画像の人物の背中のような不明瞭な領域に残る。 このテクスチャ予測の制限は、大規模で多様な3Dデータセットの不足に起因する。 本稿では,3次元デジタル化におけるテクスチャと形状予測の両立を図るために,広範囲な2次元ファッションデータセットを活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-13T01:25:05Z)
• Aria Digital Twin: A New Benchmark Dataset for Egocentric 3D Machine Perception [5.952224408665015]
  Aria Digital Twin (ADT) は、Aria メガネを用いてキャプチャしたエゴセントリックなデータセットである。 ADTには、アリアの着用者が屋内の2つのシーンで行う200の実際の活動が含まれている。
  論文  参考訳（メタデータ） (2023-06-10T06:46:32Z)
• Farm3D: Learning Articulated 3D Animals by Distilling 2D Diffusion [67.71624118802411]
  本稿では,カテゴリー固有の3D再構成器の学習方法であるFarm3Dについて述べる。 本稿では,Stable Diffusion などの画像生成装置を用いて,合成学習データを生成するフレームワークを提案する。 我々のネットワークは、単分子再構成や合成などの分析に利用でき、ビデオゲームのようなリアルタイムアプリケーションのための音響資産を生成することができる。
  論文  参考訳（メタデータ） (2023-04-20T17:59:34Z)
• 3D Data Augmentation for Driving Scenes on Camera [50.41413053812315]
  本稿では,Drive-3DAugと呼ばれる3次元データ拡張手法を提案する。 まずNeural Radiance Field(NeRF)を用いて,背景および前景の3次元モデルの再構成を行う。 そして、予め定義された背景の有効領域に適応した位置と向きの3Dオブジェクトを配置することにより、拡張駆動シーンを得ることができる。
  論文  参考訳（メタデータ） (2023-03-18T05:51:05Z)
• MobileBrick: Building LEGO for 3D Reconstruction on Mobile Devices [78.20154723650333]
  高品質な3次元地下構造は3次元物体再構成評価に不可欠である。 本稿では,モバイルデバイスを用いた新しいマルチビューRGBDデータセットを提案する。 我々は,ハイエンド3Dスキャナーを使わずに,精密な3次元地下構造が得られる。
  論文  参考訳（メタデータ） (2023-03-03T14:02:50Z)
• Digital Twin Tracking Dataset (DTTD): A New RGB+Depth 3D Dataset for Longer-Range Object Tracking Applications [3.9776693020673677]
  デジタルツイン(Digital twin)は、実際のオブジェクトをデジタルオブジェクトで拡張する問題である。 優れたデジタルツインシステムにおける重要なコンポーネントは、リアルタイムで正確な3Dオブジェクト追跡である。 この研究で、Digital Twin Tracking dataset(DTTD)と呼ばれる新しいRGB-Dデータセットを作成します。
  論文  参考訳（メタデータ） (2023-02-12T20:06:07Z)
• OmniObject3D: Large-Vocabulary 3D Object Dataset for Realistic Perception, Reconstruction and Generation [107.71752592196138]
  OmniObject3Dを提案する。OmniObject3Dは,大規模で高品質な3Dオブジェクトを持つ大語彙の3Dオブジェクトデータセットである。 190のカテゴリーで6,000のスキャン対象からなり、一般的な2Dデータセットと共通クラスを共有する。 それぞれの3Dオブジェクトは、2Dと3Dの両方のセンサーでキャプチャされ、テクスチャメッシュ、ポイントクラウド、マルチビューレンダリング画像、複数の実写ビデオを提供する。
  論文  参考訳（メタデータ） (2023-01-18T18:14:18Z)
• 3D-to-2D Distillation for Indoor Scene Parsing [78.36781565047656]
  大規模3次元データリポジトリから抽出した3次元特徴を有効活用し,RGB画像から抽出した2次元特徴を向上する手法を提案する。 まず,事前学習した3Dネットワークから3D知識を抽出して2Dネットワークを監督し,トレーニング中の2D特徴からシミュレーションされた3D特徴を学習する。 次に,2次元の正規化方式を設計し,2次元特徴と3次元特徴のキャリブレーションを行った。 第3に,非ペアの3dデータを用いたトレーニングのフレームワークを拡張するために,意味を意識した対向的トレーニングモデルを設計した。
  論文  参考訳（メタデータ） (2021-04-06T02:22:24Z)

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。