論文の概要: SurfR: Surface Reconstruction with Multi-scale Attention

• arxiv url: http://arxiv.org/abs/2506.08635v1
• Date: Tue, 10 Jun 2025 09:46:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.258112
• Title: SurfR: Surface Reconstruction with Multi-scale Attention
• Title（参考訳）: SurfR: マルチスケールアテンションによる表面再構成
• Authors: Siddhant Ranade, Gonçalo Dias Pais, Ross Tyler Whitaker, Jacinto C. Nascimento, Pedro Miraldo, Srikumar Ramalingam,
• Abstract要約: 暗示表現を用いた非組織点雲の高速かつ高精度な表面再構成アルゴリズムを提案する。 3つの重要なコントリビューションを使って、最高の精度と速度のトレードオフを実現する。
• 参考スコア（独自算出の注目度）: 19.132653429989716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a fast and accurate surface reconstruction algorithm for unorganized point clouds using an implicit representation. Recent learning methods are either single-object representations with small neural models that allow for high surface details but require per-object training or generalized representations that require larger models and generalize to newer shapes but lack details, and inference is slow. We propose a new implicit representation for general 3D shapes that is faster than all the baselines at their optimum resolution, with only a marginal loss in performance compared to the state-of-the-art. We achieve the best accuracy-speed trade-off using three key contributions. Many implicit methods extract features from the point cloud to classify whether a query point is inside or outside the object. First, to speed up the reconstruction, we show that this feature extraction does not need to use the query point at an early stage (lazy query). Second, we use a parallel multi-scale grid representation to develop robust features for different noise levels and input resolutions. Finally, we show that attention across scales can provide improved reconstruction results.
• Abstract（参考訳）: 暗示表現を用いた非組織点雲の高速かつ高精度な表面再構成アルゴリズムを提案する。 最近の学習方法は、小さなニューラルモデルを持つ単一オブジェクト表現であり、高い表面的詳細を可能にするが、オブジェクトごとのトレーニングや、より大きなモデルを必要とし、より新しい形状に一般化するが詳細を欠き、推論が遅くなる一般化された表現を必要とする。 そこで本稿では, 従来の3次元形状に対して, 最適解像度で全てのベースラインよりも高速に表現でき, 性能の限界が, 最先端技術と比較してわずかであることを示す。 3つの重要なコントリビューションを使って、最高の精度と速度のトレードオフを実現する。 多くの暗黙のメソッドは、クエリポイントがオブジェクトの内部か外部であるかを分類するために、ポイントクラウドから特徴を抽出する。 まず、再構築を高速化するために、この特徴抽出が初期段階(遅延クエリ)でクエリポイントを使用する必要がないことを示す。 第2に、並列マルチスケールグリッド表現を用いて、異なるノイズレベルと入力解像度のロバストな機能を開発する。 最後に, 規模にまたがる注意が, 再建結果を改善できることを示す。

関連論文リスト

• HORT: Monocular Hand-held Objects Reconstruction with Transformers [61.36376511119355]
  モノクロ画像から手持ちの物体を3Dで再構成することは、コンピュータビジョンにおいて重要な課題である。 ハンドヘルドオブジェクトの高密度な3次元点群を効率的に再構成するトランスフォーマーモデルを提案する。 提案手法は,高速な推測速度で最先端の精度を達成し,画像の幅を最適化する。
  論文  参考訳（メタデータ） (2025-03-27T09:45:09Z)
• PFGS: High Fidelity Point Cloud Rendering via Feature Splatting [5.866747029417274]
  スパースポイントから高品質な画像をレンダリングする新しいフレームワークを提案する。 この手法はまず3次元ガウス格子と点雲のレンダリングを橋渡しする。 異なるベンチマーク実験により、レンダリング品質と主成分の必要性の観点から、我々の手法の優位性を示す。
  論文  参考訳（メタデータ） (2024-07-04T11:42:54Z)
• GridPull: Towards Scalability in Learning Implicit Representations from 3D Point Clouds [60.27217859189727]
  大規模クラウドから暗黙の表現を学習する効率を改善するため,GridPullを提案する。 我々の斬新さは、ニューラルネットワークを使わずにグリッド上に定義された離散距離場の高速な推論にある。 我々は、一様格子を用いて高速グリッド探索を行い、サンプルクエリをローカライズし、木構造内の表面点を整理し、表面への距離の計算を高速化する。
  論文  参考訳（メタデータ） (2023-08-25T04:52:52Z)
• 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)
• Revisiting Point Cloud Simplification: A Learnable Feature Preserving Approach [57.67932970472768]
  MeshとPoint Cloudの単純化手法は、3Dモデルの複雑さを低減しつつ、視覚的品質と関連する健全な機能を維持することを目的としている。 そこで本研究では,正解点の標本化を学習し,高速点雲の簡易化手法を提案する。 提案手法は、入力空間から任意のユーザ定義の点数を選択し、視覚的知覚誤差を最小限に抑えるために、その位置を再配置するよう訓練されたグラフニューラルネットワークアーキテクチャに依存する。
  論文  参考訳（メタデータ） (2021-09-30T10:23:55Z)
• Shape As Points: A Differentiable Poisson Solver [118.12466580918172]
  本稿では,ポアソン表面再構成 (PSR) の微分可能な定式化を用いた,微分可能な点間メッシュ層を提案する。 微分可能なPSR層は、暗示指標場を介して、明示的な3D点表現を3Dメッシュに効率よく、かつ、差別的にブリッジすることができる。 ニューラル暗黙の表現と比較して、私たちのシェープ・アズ・ポイント(SAP)モデルはより解釈可能で、軽量で、1桁の推論時間を加速します。
  論文  参考訳（メタデータ） (2021-06-07T09:28:38Z)
• Meshing Point Clouds with Predicted Intrinsic-Extrinsic Ratio Guidance [30.863194319818223]
  既存のポイントへの接続情報のみを付加することで、インプットポイントクラウドを可能な限り活用することを提案する。 私たちの重要なイノベーションはローカル接続のサロゲートであり、本質的/外生的メトリクスを比較して計算します。 提案手法は, 詳細を保存できるだけでなく, あいまいな構造を扱えるだけでなく, 目に見えないカテゴリに対して強い一般化性を持つことを示す。
  論文  参考訳（メタデータ） (2020-07-17T22:36:00Z)
• Convolutional Occupancy Networks [88.48287716452002]
  本稿では,オブジェクトと3Dシーンの詳細な再構築のための,より柔軟な暗黙的表現である畳み込み機能ネットワークを提案する。 畳み込みエンコーダと暗黙の占有デコーダを組み合わせることで、帰納的バイアスが組み込まれ、3次元空間における構造的推論が可能となる。 実験により,本手法は単一物体の微細な3次元再構成,大規模屋内シーンへのスケール,合成データから実データへの一般化を可能にした。
  論文  参考訳（メタデータ） (2020-03-10T10:17:07Z)

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。