論文の概要: Defurnishing with X-Ray Vision: Joint Removal of Furniture from Panoramas and Mesh

• arxiv url: http://arxiv.org/abs/2506.05338v2
• Date: Fri, 06 Jun 2025 17:08:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.097691
• Title: Defurnishing with X-Ray Vision: Joint Removal of Furniture from Panoramas and Mesh
• Title（参考訳）: X線ビジョンによる除染:パノラマとメッシュからのファーニチャーの同時除去
• Authors: Alan Dolhasz, Chen Ma, Dave Gausebeck, Kevin Chen, Gregor Miller, Lucas Hayne, Gunnar Hovden, Azwad Sabik, Olaf Brandt, Mira Slavcheva,
• Abstract要約: テクスチャメッシュとそれに対応するパノラマ画像として表現された室内空間の劣化したレプリカを生成するパイプラインを提案する。 まず、メッシュ表現から家具を分割、取り除き、平面を拡張し、穴を埋め、単純化された廃メッシュ(SDM)を得る。 次にこれらをガイドとして、ControlNetの塗り絵を通してパノラマ画像から家具を取り除きます。
• 参考スコア（独自算出の注目度）: 4.344760509611787
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a pipeline for generating defurnished replicas of indoor spaces represented as textured meshes and corresponding multi-view panoramic images. To achieve this, we first segment and remove furniture from the mesh representation, extend planes, and fill holes, obtaining a simplified defurnished mesh (SDM). This SDM acts as an ``X-ray'' of the scene's underlying structure, guiding the defurnishing process. We extract Canny edges from depth and normal images rendered from the SDM. We then use these as a guide to remove the furniture from panorama images via ControlNet inpainting. This control signal ensures the availability of global geometric information that may be hidden from a particular panoramic view by the furniture being removed. The inpainted panoramas are used to texture the mesh. We show that our approach produces higher quality assets than methods that rely on neural radiance fields, which tend to produce blurry low-resolution images, or RGB-D inpainting, which is highly susceptible to hallucinations.
• Abstract（参考訳）: テクスチャメッシュとそれに対応する多視点パノラマ画像として表現された室内空間の劣化したレプリカを生成するパイプラインを提案する。 これを実現するために、まず、メッシュ表現から家具を分割、取り除き、平面を拡張し、穴を埋め、単純化された廃メッシュ(SDM)を得る。 このSDMは、シーンの基盤となる構造の ``X-ray'' として機能し、老朽化プロセスを導く。 我々は,SDMから描画された奥行き画像と正常画像から,Cannyエッジを抽出する。 次にこれらをガイドとして、ControlNetの塗り絵を通してパノラマ画像から家具を取り除きます。 この制御信号は、取り外される家具によって特定のパノラマビューから隠蔽される可能性のある、グローバルな幾何学的情報の可用性を保証する。 塗布されたパノラマはメッシュのテクスチャに使用される。 提案手法は,低分解能画像のぼやけた画像や,幻覚に強いRGB-Dインパインティングを呈する神経放射場に依存する手法よりも高い品質の資産を創出することを示す。

関連論文リスト

• RoomTex: Texturing Compositional Indoor Scenes via Iterative Inpainting [34.827355403635536]
  本研究では,RoomTexと呼ばれる3次元シーンフレームワークを提案する。 RoomTexは、一貫性のないシーンメッシュのために、高忠実でスタイル一貫性のあるテクスチャを生成する。 本稿では,RGBとエッジ検出手法の整合性を維持することを提案する。
  論文  参考訳（メタデータ） (2024-06-04T16:27:09Z)
• Pyramid Texture Filtering [86.15126028139736]
  目立った構造を保ちながらテクスチャをスムーズにするための,シンプルだが効果的な手法を提案する。 ガウスピラミッドの粗いレベルは、しばしば自然にテクスチャを排除し、主要な画像構造を要約する。 本手法は, 異なるスケール, 局所的なコントラスト, 形状のテクスチャから構造を分離する上で, 構造劣化や視覚的アーティファクトの導入を伴わずに有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-11T02:05:30Z)
• Neural Fields meet Explicit Geometric Representation for Inverse Rendering of Urban Scenes [62.769186261245416]
  本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。 具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
  論文  参考訳（メタデータ） (2023-04-06T17:51:54Z)
• TMO: Textured Mesh Acquisition of Objects with a Mobile Device by using Differentiable Rendering [54.35405028643051]
  スマートフォン1台でテクスチャ化されたメッシュを野生で取得するパイプラインを新たに提案する。 提案手法ではまず,RGBD支援構造を動きから導入し,フィルタした深度マップを作成できる。 我々は,高品質なメッシュを実現するニューラル暗黙表面再構成法を採用する。
  論文  参考訳（メタデータ） (2023-03-27T10:07:52Z)
• Local-to-Global Panorama Inpainting for Locale-Aware Indoor Lighting Prediction [28.180205012351802]
  単一視点の画像からパノラマ的な室内照明を予測することは、コンピュータビジョンとグラフィックスの基本的な問題である。 最近の手法は主に、ワープされたパノラマの不足した内容を満たすために畳み込みニューラルネットワーク(CNN)に依存している。 大規模パノラマ塗布における局所的・言語的戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-18T06:18:49Z)
• Layout-guided Indoor Panorama Inpainting with Plane-aware Normalization [10.721512251097606]
  室内パノラマ画像インペイントのためのエンドツーエンドのディープラーニングフレームワークを提案する。 室内パノラマの塗布過程における世界的・地域的文脈を生かした。 実験の結果,我々の研究はパノラマデータセット上での最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-01-13T15:48:40Z)
• Layout Aware Inpainting for Automated Furniture Removal in Indoor Scenes [1.8925617030516926]
  屋内シーンの広い領域の塗装は、しばしば塗装マスク内の背景要素の幾何学的不整合をもたらす。 我々は、知覚情報(例:インスタンスセグメンテーション、部屋レイアウト)を用いて、幾何学的に一貫した空バージョンを生成する。 実際の家具を部屋から取り除き,仮想家具で再装飾することで,本システムの適用例を示す。
  論文  参考訳（メタデータ） (2022-10-27T23:26:21Z)
• BlobGAN: Spatially Disentangled Scene Representations [67.60387150586375]
  本研究では,シーン生成モデルのための教師なし中間レベル表現を提案する。 この表現は、ピクセル単位でもイメージ単位でもなく、むしろ空間的に、奥行き順に並べられた特徴の「ブロブ」の集合としてモデル化されている。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)
• Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
  不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。 当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。 広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
  論文  参考訳（メタデータ） (2021-04-25T07:25:16Z)
• Deep Reflectance Volumes: Relightable Reconstructions from Multi-View Photometric Images [59.53382863519189]
  位置決めされた点灯下で撮影された非構造画像からシーンの外観を再構築する深層学習手法を提案する。 ディープ・リフレクタンス・ボリュームの中心部には、不透明度、表面正規度、リフレクタンス・ボクセル・グリッドからなる新しいボリューム・シーンの表現がある。 学習したリフレクタンスボリュームは編集可能であり、キャプチャされたシーンの素材を修正可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-20T05:38:11Z)

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。