Fugu-MT 論文翻訳(概要): Structure from Collision

論文の概要: Structure from Collision

arxiv url: http://arxiv.org/abs/2505.21335v1
Date: Tue, 27 May 2025 15:30:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-28 17:05:58.760437
Title: Structure from Collision
Title（参考訳）: 衝突による構造
Authors: Takuhiro Kaneko,
Abstract要約: SfC(Structure from Collision)と呼ばれる新しいタスクは、衝突時の外観変化から物体の構造(見えない内部構造を含む)を推定することを目的としている。本研究では,物体の内部構造を物理的,外見的,外見的,神経的制約下での映像シーケンスによって最適化するSfC-NeRFという新しいモデルを提案する。多様な構造を含む115個の物体に対する実験により, SfCの特性が明らかとなり, 提案したSfC-NeRFの有効性が示された。
参考スコア（独自算出の注目度）: 20.586692311724914
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advancements in neural 3D representations, such as neural radiance fields (NeRF) and 3D Gaussian splatting (3DGS), have enabled the accurate estimation of 3D structures from multiview images. However, this capability is limited to estimating the visible external structure, and identifying the invisible internal structure hidden behind the surface is difficult. To overcome this limitation, we address a new task called Structure from Collision (SfC), which aims to estimate the structure (including the invisible internal structure) of an object from appearance changes during collision. To solve this problem, we propose a novel model called SfC-NeRF that optimizes the invisible internal structure of an object through a video sequence under physical, appearance (i.e., visible external structure)-preserving, and keyframe constraints. In particular, to avoid falling into undesirable local optima owing to its ill-posed nature, we propose volume annealing; that is, searching for global optima by repeatedly reducing and expanding the volume. Extensive experiments on 115 objects involving diverse structures (i.e., various cavity shapes, locations, and sizes) and material properties revealed the properties of SfC and demonstrated the effectiveness of the proposed SfC-NeRF.
Abstract（参考訳）: ニューラルレイディアンスフィールド(NeRF)や3Dガウススプラッティング(3DGS)などのニューラル3D表現の最近の進歩は、マルチビュー画像から3D構造を正確に推定することを可能にする。しかし、この能力は目に見える外部構造を推定することに限定されており、表面の後方に隠された見えない内部構造を特定することは困難である。この制限を克服するために、衝突時の外観変化から物体の構造(見えない内部構造を含む)を推定することを目的とした、SfC(Structure from Collision)と呼ばれる新しい課題に対処する。そこで本研究では,物理条件下での映像シーケンス,外観(可視外部構造)保存,キーフレーム制約により,物体の内部構造を最適化するSfC-NeRFという新しいモデルを提案する。特に,その不適切な性質のため,望ましくない局所最適状態に陥ることを避けるため,音量の減少と拡張を繰り返して大域的最適状態を求めるボリュームアニーリングを提案する。種々の構造(キャビティ形状,位置,大きさ)と材料特性を含む115個の物体の広範囲にわたる実験により,SfCの特性が明らかとなり,提案したSfC-NeRFの有効性が示された。

関連論文リスト

Geometric Neural Process Fields [58.77241763774756]
幾何学的ニューラル・プロセス・フィールド(Geometric Neural Process Fields, G-NPF)は、ニューラル・ラディアンス・フィールドの確率的フレームワークである。これらの基盤の上に構築された階層型潜在変数モデルにより、G-NPFは複数の空間レベルにまたがる構造情報を統合できる。 3次元シーンと2次元画像と1次元信号レグレッションの新規ビュー合成実験により,本手法の有効性を実証した。
論文参考訳（メタデータ） (2025-02-04T14:17:18Z)
Look Inside for More: Internal Spatial Modality Perception for 3D Anomaly Detection [15.234715724758107]
内部の空間的モダリティ知覚(ISMP)は、内部の視点から特徴表現を十分に探求するために提案される。提案手法は,Real3D-ADベンチマークを用いて,オブジェクトレベルのAUROCと画素レベルのAUROCをそれぞれ3.2%,13.1%改善する。
論文参考訳（メタデータ） (2024-12-18T03:14:11Z)
Variable Radiance Field for Real-World Category-Specific Reconstruction from Single Image [25.44715538841181]
単一画像からNeural Radiance Field(NeRF)を使用してカテゴリ固有のオブジェクトを再構成することは、有望だが挑戦的な作業である。本稿では,カテゴリ固有のオブジェクトを効率的に再構成できる新しいフレームワークである可変放射場(VRF)を提案する。 VRFは、再構築品質と計算効率の両方において最先端の性能を達成する。
論文参考訳（メタデータ） (2023-06-08T12:12:02Z)
Neural Kernel Surface Reconstruction [80.51581494300423]
本稿では,大規模でスパースでノイズの多い点雲から3次元暗示面を再構成する新しい手法を提案する。我々のアプローチは、最近導入されたNeural Kernel Fields表現に基づいている。
論文参考訳（メタデータ） (2023-05-31T06:25:18Z)
Clean-NeRF: Reformulating NeRF to account for View-Dependent Observations [67.54358911994967]
本稿では,複雑なシーンにおける3次元再構成と新しいビューレンダリングのためのクリーンネRFを提案する。 clean-NeRFはプラグインとして実装することができ、既存のNeRFベースのメソッドを追加入力なしですぐに利用することができる。
論文参考訳（メタデータ） (2023-03-26T12:24:31Z)
StructNeRF: Neural Radiance Fields for Indoor Scenes with Structural Hints [23.15914545835831]
StructNeRFは、スパース入力を持つ屋内シーンのための新しいビュー合成のソリューションである。本手法は,外部データに付加的なトレーニングを加えることなく,NeRFの幾何とビュー合成性能を向上する。
論文参考訳（メタデータ） (2022-09-12T14:33:27Z)
Reducing Drift in Structure From Motion Using Extended Features [82.37566035407689]
低周波長範囲誤差(ドリフト)は3次元構造における運動からの固有問題である。本研究では,平面や消失点などの拡張された構造特徴を用いて,スケールと位置のドリフトを劇的に低減する手法を提案する。
論文参考訳（メタデータ） (2020-08-27T17:59:04Z)
Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文参考訳（メタデータ） (2020-06-15T09:15:54Z)

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。