論文の概要: 3D Surface Reconstruction with Enhanced High-Frequency Details

• arxiv url: http://arxiv.org/abs/2505.03362v1
• Date: Tue, 06 May 2025 09:37:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.309303
• Title: 3D Surface Reconstruction with Enhanced High-Frequency Details
• Title（参考訳）: 高周波細部を有する3次元表面再構成
• Authors: Shikun Zhang, Yiqun Wang, Cunjian Chen, Yong Li, Qiuhong Ke,
• Abstract要約: 現在の神経表面再構成法では、画像全体をランダムにサンプリングする傾向がある。 我々は、表面の細部が不十分な問題を解くために、高周波情報に基づく手法を考案した。 本手法は, 表面の微細な細部を再構築し, 従来の方法に比べて良好な表面改質が得られる。
• 参考スコア（独自算出の注目度）: 31.25607301318426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural implicit 3D reconstruction can reproduce shapes without 3D supervision, and it learns the 3D scene through volume rendering methods and neural implicit representations. Current neural surface reconstruction methods tend to randomly sample the entire image, making it difficult to learn high-frequency details on the surface, and thus the reconstruction results tend to be too smooth. We designed a method (FreNeuS) based on high-frequency information to solve the problem of insufficient surface detail. Specifically, FreNeuS uses pixel gradient changes to easily acquire high-frequency regions in an image and uses the obtained high-frequency information to guide surface detail reconstruction. High-frequency information is first used to guide the dynamic sampling of rays, applying different sampling strategies according to variations in high-frequency regions. To further enhance the focus on surface details, we have designed a high-frequency weighting method that constrains the representation of high-frequency details during the reconstruction process. Qualitative and quantitative results show that our method can reconstruct fine surface details and obtain better surface reconstruction quality compared to existing methods. In addition, our method is more applicable and can be generalized to any NeuS-based work.
• Abstract（参考訳）: ニューラルな暗黙の3D再構成は、3Dの監督なしに形状を再現することができ、ボリュームレンダリング法とニューラルな暗示表現を通して3Dシーンを学習する。 現在の神経表面再構成法では、画像全体をランダムにサンプリングする傾向があるため、表面の高周波の詳細を学習することは困難であり、再構成結果はスムーズすぎる傾向にある。 本研究では,周波数情報に基づくFreNeuS (FreNeuS) の設計を行った。 具体的には、FreNeuSは画素勾配変化を用いて画像中の高周波領域を容易に取得し、得られた高周波情報を用いて表面詳細再構成をガイドする。 高周波情報はまず、高周波領域の変動に応じて異なるサンプリング戦略を適用し、放射線の動的サンプリングを導くために使用される。 表面の細部への焦点を一層高めるため,再建過程における高周波細部表現を制約する高周波重み付け法を考案した。 定性的かつ定量的な結果から,本手法は表面の微細な細部を再構築し,既存の方法と比較して良好な表面改質が得られることが示された。 さらに,本手法はより適用可能であり,任意のNeuSに基づく研究に一般化することができる。

関連論文リスト

• GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
  GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。 本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-11-29T03:54:54Z)
• NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
  本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。 提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
  論文  参考訳（メタデータ） (2023-12-07T19:30:55Z)
• Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
  本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。 我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
  論文  参考訳（メタデータ） (2023-09-19T05:44:00Z)
• 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)
• Neuralangelo: High-Fidelity Neural Surface Reconstruction [22.971952498343942]
  マルチレゾリューション3Dハッシュグリッドの表現力とニューラルサーフェスレンダリングを組み合わせたニューラルアンジェロを提案する。 深度などの補助的な入力がなくても、ニューラルランジェロは従来の手法をはるかに上回る忠実度を持つ多視点画像から高密度な3次元表面構造を効果的に回収することができる。
  論文  参考訳（メタデータ） (2023-06-05T17:59:57Z)
• HR-NeuS: Recovering High-Frequency Surface Geometry via Neural Implicit Surfaces [6.382138631957651]
  我々は新しい暗黙表面再構成法であるHigh-Resolution NeuSを提案する。 HR-NeuSは大規模な再構成精度を維持しながら高周波表面形状を復元する。 我々は,DTUおよびBlendedMVSデータセットを用いた実験により,従来の手法と同等の精度で定性的に詳細かつ定量的な3次元測地を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-02-14T02:25:16Z)
• Recovering Fine Details for Neural Implicit Surface Reconstruction [3.9702081347126943]
  そこで我々はD-NeuSを提案する。D-NeuSは、微細な幾何学的詳細を復元できるボリュームレンダリング型ニューラル暗示表面再構成法である。 我々は,SDFゼロクロスの補間により表面点に多視点の特徴的整合性を付与する。 本手法は,高精度な表面を細部で再構成し,その性能を向上する。
  論文  参考訳（メタデータ） (2022-11-21T10:06:09Z)
• Sphere-Guided Training of Neural Implicit Surfaces [14.882607960908217]
  3次元再構成では、光線マーチングにより訓練された神経距離関数が多視点3次元再構成に広く採用されている。 しかし、これらの手法はシーン全体に対してレイマーチング法を適用し、サンプリング効率を低下させる。 暗黙の関数と新しい粗い球面をベースとした表面再構成を共同で行うことでこの問題に対処する。
  論文  参考訳（メタデータ） (2022-09-30T15:00:03Z)
• Improved surface reconstruction using high-frequency details [44.73668037810989]
  ニューラルレンダリングにおける表面再構成の品質向上のための新しい手法を提案する。 以上の結果から,本手法は高頻度表面の細部を再構築し,現状よりも優れた表面の再現性が得られることがわかった。
  論文  参考訳（メタデータ） (2022-06-15T23:46:48Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)

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。