論文の概要: HuSc3D: Human Sculpture dataset for 3D object reconstruction

• arxiv url: http://arxiv.org/abs/2506.07628v1
• Date: Mon, 09 Jun 2025 10:47:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.91812
• Title: HuSc3D: Human Sculpture dataset for 3D object reconstruction
• Title（参考訳）: HuSc3D:3Dオブジェクト再構成のための人間の彫刻データセット
• Authors: Weronika Smolak-Dyżewska, Dawid Malarz, Grzegorz Wilczyński, Rafał Tobiasz, Joanna Waczyńska, Piotr Borycki, Przemysław Spurek,
• Abstract要約: HuSc3Dは、3D再構成モデルの厳密なベンチマークのために、現実的な取得課題下で特別に設計された、新しいデータセットである。 我々のデータセットは、複雑な穿孔と最小限のテクスチャと色の変化を特徴とする、非常に詳細で完全に白い6つの彫刻を特徴としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D scene reconstruction from 2D images is one of the most important tasks in computer graphics. Unfortunately, existing datasets and benchmarks concentrate on idealized synthetic or meticulously captured realistic data. Such benchmarks fail to convey the inherent complexities encountered in newly acquired real-world scenes. In such scenes especially those acquired outside, the background is often dynamic, and by popular usage of cell phone cameras, there might be discrepancies in, e.g., white balance. To address this gap, we present HuSc3D, a novel dataset specifically designed for rigorous benchmarking of 3D reconstruction models under realistic acquisition challenges. Our dataset uniquely features six highly detailed, fully white sculptures characterized by intricate perforations and minimal textural and color variation. Furthermore, the number of images per scene varies significantly, introducing the additional challenge of limited training data for some instances alongside scenes with a standard number of views. By evaluating popular 3D reconstruction methods on this diverse dataset, we demonstrate the distinctiveness of HuSc3D in effectively differentiating model performance, particularly highlighting the sensitivity of methods to fine geometric details, color ambiguity, and varying data availability--limitations often masked by more conventional datasets.
• Abstract（参考訳）: 2次元画像からの3次元シーン再構成は、コンピュータグラフィックスにおいて最も重要なタスクの1つである。 残念なことに、既存のデータセットとベンチマークは、理想化された合成または精巧にキャプチャされた現実的なデータに焦点を当てている。 このようなベンチマークは、新たに取得された現実世界のシーンで発生する固有の複雑さを伝達することができない。 特に外部で取得したシーンでは、背景は動的であり、携帯電話カメラの一般的な使用により、例えばホワイトバランスが相違する可能性がある。 このギャップに対処するために,現実的な取得課題下での3次元再構成モデルの厳密なベンチマークのために設計された,新しいデータセットHuSc3Dを提案する。 我々のデータセットには、複雑な穿孔と最小限のテクスチャと色の変化を特徴とする、非常に詳細で完全に白い6つの彫刻が特徴的です。 さらに、シーンごとに画像の数は様々であり、標準的なビューのシーンと並行して、一部のインスタンスのトレーニングデータに制限を加えるという課題がもたらされる。 この多種多様なデータセット上で一般的な3D再構成手法を評価することにより,HuSc3Dのモデル性能を効果的に差別化する上での特異性を示す。

関連論文リスト

• Diorama: Unleashing Zero-shot Single-view 3D Indoor Scene Modeling [27.577720075952225]
  ダイオラマ(Diorama)は、単視点のRGB観測から3Dシーンをモデル化する世界初のゼロショットオープンワールドシステムである。 この問題をサブタスクに分解し、それぞれに堅牢で一般化可能な解を導入することで、我々のアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2024-11-29T06:19:04Z)
• Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
  本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。 一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
  論文  参考訳（メタデータ） (2024-06-17T07:43:53Z)
• Zero-Shot Multi-Object Scene Completion [59.325611678171974]
  1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。 提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-03-21T17:59:59Z)
• 3D Human Reconstruction in the Wild with Synthetic Data Using Generative Models [52.96248836582542]
  本稿では,人間の画像とそれに対応する3Dメッシュアノテーションをシームレスに生成できるHumanWildという,最近の拡散モデルに基づく効果的なアプローチを提案する。 生成モデルを排他的に活用することにより,大規模な人体画像と高品質なアノテーションを生成し,実世界のデータ収集の必要性を解消する。
  論文  参考訳（メタデータ） (2024-03-17T06:31:16Z)
• Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
  そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。 提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。 本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
  論文  参考訳（メタデータ） (2022-03-18T01:42:59Z)

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。