論文の概要: Light and 3D: a methodological exploration of digitisation techniques adapted to a selection of objects from the Mus{é}e d'Arch{é}ologie Nationale
- arxiv url: http://arxiv.org/abs/2506.04925v1
- Date: Thu, 05 Jun 2025 11:59:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-06 21:53:49.687962
- Title: Light and 3D: a methodological exploration of digitisation techniques adapted to a selection of objects from the Mus{é}e d'Arch{é}ologie Nationale
- Title（参考訳）: 光と3D:Muss{é}e d'Arch{é}ologie Nationaleからのオブジェクトの選択に適応したデジタル化技法の方法論的探索
- Authors: Antoine Laurent, Jean Mélou, Catherine Schwab, Rolande Simon-Millot, Sophie Féret, Thomas Sagory, Carole Fritz, Jean-Denis Durou,
- Abstract要約: 遺産オブジェクトのデジタル化の必要性は広く受け入れられている。
本稿では,写真による3次元デジタル化手法の多様性について述べる。
すべてのケースに1つの方法が適していないことが示される。
- 参考スコア（独自算出の注目度）: 5.804487044220692
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The need to digitize heritage objects is now widely accepted. This article presents the very fashionable context of the creation of ''digital twins''. It illustrates the diversity of photographic 3D digitization methods, but this is not its only objective. Using a selection of objects from the collections of the mus{\'e}e d'Arch{\'e}ologie nationale, it shows that no single method is suitable for all cases. Rather, the method to be recommended for a given object should be the result of a concerted choice between those involved in heritage and those involved in the digital domain, as each new object may require the adaptation of existing tools. It would therefore be pointless to attempt an absolute classification of 3D digitization methods. On the contrary, we need to find the digital tool best suited to each object, taking into account not only its characteristics, but also the future use of its digital twin.
- Abstract（参考訳）: 遺産オブジェクトのデジタル化の必要性は広く受け入れられている。
本論では,「デジタル双生児」の成立の背景を概観する。
写真による3Dデジタル化手法の多様性を示すものであるが、これが唯一の目的ではない。
mus{\'e}e d'Arch{\'e}ologie nationaleのコレクションからオブジェクトを選択することで、すべてのケースに単一の方法が適していないことを示す。
むしろ、あるオブジェクトに対して推奨される方法は、遺産に関わるものとデジタルドメインに関わるものとの協調的な選択の結果であるべきであり、それぞれの新しいオブジェクトは既存のツールの適応を必要とするかもしれない。
したがって、3次元のデジタル化方法の絶対的な分類を試みることは無意味である。
逆に、それぞれのオブジェクトに最も適したデジタルツールを見つける必要があり、その特性だけでなく、デジタルツインの将来的な利用も考慮する必要がある。
関連論文リスト
- Category-Agnostic Neural Object Rigging [16.92853334215778]
本研究では,変形可能な4Dオブジェクトを空間的に接地されたブロブのスパース集合に符号化する新しい表現を提案する。
このような表現により、3Dオブジェクトのポーズを直感的に操作できる。
論文 参考訳（メタデータ） (2025-05-26T17:58:32Z) - Counting Stacked Objects [57.68870743111393]
本稿では,タスクを2つの相補的なサブプロブレムに分解する新しい3Dカウント手法を提案する。
幾何学的再構成と深層学習に基づく深度解析を組み合わせることで,コンテナ内の同一物体を正確にカウントすることができる。
多様な実世界および大規模合成データセット上での3Dカウントパイプラインの検証を行う。
論文 参考訳（メタデータ） (2024-11-28T13:51:16Z) - Reconstructing Hand-Held Objects in 3D from Images and Videos [53.277402172488735]
モノクローナルなRGB映像が与えられると、時間とともに手持ちの物体の幾何学を3Dで再構築することを目指している。
1枚のRGB画像から手と物体の形状を共同で再構成するMCC-Hand-Object(MCC-HO)を提案する。
次に、GPT-4(V)を用いてテキストから3D生成モデルを作成し、画像中のオブジェクトにマッチする3Dオブジェクトモデルを検索する。
論文 参考訳（メタデータ） (2024-04-09T17:55:41Z) - 3D-Augmented Contrastive Knowledge Distillation for Image-based Object
Pose Estimation [4.415086501328683]
トレーニングプロセスでは3D形状が活用され、テストは依然として純粋に画像ベースである。
マルチモーダルモデルから画像ベースモデルへ3次元拡張画像表現を効果的に転送する新しいコントラスト型知識蒸留フレームワークを提案する。
我々は,既存のカテゴリに依存しない画像ベース手法と比較して,最先端の成果を大きなマージンで報告した。
論文 参考訳（メタデータ） (2022-06-02T16:46:18Z) - Object-Based Visual Camera Pose Estimation From Ellipsoidal Model and
3D-Aware Ellipse Prediction [2.016317500787292]
本稿では,1枚の画像から初期カメラのポーズ推定を行う手法を提案する。
観察条件に関係なく、物体を確実に検出する深層学習技術を活用する。
実験により,提案手法により計算結果の精度が著しく向上することが確認された。
論文 参考訳（メタデータ） (2022-03-09T10:00:52Z) - End-to-End Learning of Multi-category 3D Pose and Shape Estimation [128.881857704338]
本稿では,画像から2次元キーポイントを同時に検出し,それらを3次元に引き上げるエンド・ツー・エンド手法を提案する。
提案手法は2次元キーポイントアノテーションからのみ2次元検出と3次元リフトを学習する。
画像から3D学習へのエンドツーエンド化に加えて,1つのニューラルネットワークを用いて複数のカテゴリからのオブジェクトも処理する。
論文 参考訳（メタデータ） (2021-12-19T17:10:40Z) - LOLNeRF: Learn from One Look [22.771493686755544]
本稿では,ニューラルレイディアンス場に基づく生成3次元モデル学習手法を提案する。
既存の手法とは異なり、この目標を達成するためにマルチビューデータを必要としないことを示す。
論文 参考訳（メタデータ） (2021-11-19T01:20:01Z) - Geometric Processing for Image-based 3D Object Modeling [2.6397379133308214]
本稿では,幾何処理の3つの主要構成要素の最先端手法について紹介する:(1)ジオレファレンス; 2)画像密度マッチング3)テクスチャマッピング。
3Dオブジェクト再構成ワークフローにおける画像の大部分が自動化された幾何処理は、現実的な3Dモデリングの重要な部分となっている。
論文 参考訳（メタデータ） (2021-06-27T18:33:30Z) - Continuous Surface Embeddings [76.86259029442624]
我々は、変形可能な対象カテゴリーにおける密接な対応を学習し、表現するタスクに焦点をあてる。
本稿では,高密度対応の新たな学習可能な画像ベース表現を提案する。
提案手法は,人間の身近なポーズ推定のための最先端手法と同等以上の性能を示すことを示す。
論文 参考訳（メタデータ） (2020-11-24T22:52:15Z) - Self-supervised Single-view 3D Reconstruction via Semantic Consistency [142.71430568330172]
対象物の形状, テクスチャ, カメラポーズを予測できる, 自己監督型, 単視点3D再構成モデルを学習する。
提案手法では,手動で注釈付けしたキーポイント,オブジェクトのマルチビューイメージ,あるいは事前の3Dテンプレートなど,3Dの監督を必要としない。
論文 参考訳（メタデータ） (2020-03-13T20:29:01Z)
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。