論文の概要: MoReMouse: Monocular Reconstruction of Laboratory Mouse

• arxiv url: http://arxiv.org/abs/2507.04258v1
• Date: Sun, 06 Jul 2025 06:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.093261
• Title: MoReMouse: Monocular Reconstruction of Laboratory Mouse
• Title（参考訳）: MoReMouse:実験室マウスの単分子再構成
• Authors: Yuan Zhong, Jingxiang Sun, Liang An, Yebin Liu,
• Abstract要約: MoReMouseは、実験室のマウス用に調整された初めての単分子高密度3D再構成ネットワークである。 まず,マウスのための高忠実度高密度合成データセットを構築した。 第二に、MoReMouseはトランスフォーマーベースのフィードフォワードアーキテクチャを採用し、三面体を表現している。 第3に,マウス表面への測地線に基づく連続対応埋め込みを作成する。
• 参考スコア（独自算出の注目度）: 33.269779864392774
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Laboratory mice play a crucial role in biomedical research, yet accurate 3D mouse surface motion reconstruction remains challenging due to their complex non-rigid geometric deformations and textureless appearance. Moreover, the absence of structured 3D datasets severely hinders the progress beyond sparse keypoint tracking. To narrow the gap, we present MoReMouse, the first monocular dense 3D reconstruction network tailored for laboratory mice. To achieve this goal, we highlight three key designs. First, we construct the first high-fidelity dense-view synthetic dataset for mice, by rendering our self-designed realistic Gaussian mouse avatar. Second, MoReMouse adopts a transformer-based feedforward architecture with triplane representation, achieving high-quality 3D surface generation from a single image. Third, we create geodesic-based continuous correspondence embeddings on mouse surface, which serve as strong semantic priors to improve reconstruction stability and surface consistency. Extensive quantitative and qualitative experiments demonstrate that MoReMouse significantly outperforms existing open-source methods in accuracy and robustness. Video results are available at https://zyyw-eric.github.io/MoreMouse-webpage/.
• Abstract（参考訳）: 実験室マウスは、生体医学研究において重要な役割を担っているが、複雑な非剛性な幾何学的変形とテクスチャのない外観のために、正確な3Dマウス表面の運動再構成は依然として困難である。 さらに、構造化された3Dデータセットがないことは、スパースキーポイントトラッキング以上の進歩を著しく妨げます。 このギャップを狭めるために、実験室マウス用に調整された最初の単分子高密度3D再構成ネットワークであるMoReMouseを紹介した。 この目標を達成するために、我々は3つの重要な設計を強調した。 まず、自己設計の現実的なガウスマウスアバターをレンダリングすることで、マウスのための最初の高忠実度高密度合成データセットを構築します。 第2に、MoReMouseはトランスフォーマーベースのフィードフォワードアーキテクチャを採用し、単一の画像から高品質な3D表面生成を実現する。 第3に, マウス表面への測地線に基づく連続的対応埋め込みを作成し, 再構成安定性と表面の整合性を改善するために, 強力なセマンティック先行として機能する。 大規模な定量的および定性的実験により、MoReMouseは既存のオープンソース手法を精度と堅牢性で著しく上回っていることが示された。 ビデオの結果はhttps://zyyw-eric.github.io/MoreMouse-webpage/.comで公開されている。

関連論文リスト

• GTR: Gaussian Splatting Tracking and Reconstruction of Unknown Objects Based on Appearance and Geometric Complexity [49.31257173003408]
  モノクローナルRGBDビデオからの6-DoFオブジェクト追跡と高品質な3D再構成のための新しい手法を提案する。 提案手法は, 高忠実度オブジェクトメッシュを復元する強力な能力を示し, オープンワールド環境における単一センサ3D再構成のための新しい標準を策定する。
  論文  参考訳（メタデータ） (2025-05-17T08:46:29Z)
• RatBodyFormer: Rat Body Surface from Keypoints [25.01030789558578]
  そこで本研究では,ラットの体表面を高密度な点集合として再構築する最初の手法を提案する。 ひとつは、ラットの行動キャプチャーのための新しいマルチカメラシステムであるRatDomeと、3Dキーポイントと3Dボディサーフェスポイントからなる大規模なデータセットである。 第二のRatBodyFormerは、検出されたキーポイントを3Dボディサーフェスポイントに変換する新しいネットワークだ。
  論文  参考訳（メタデータ） (2024-12-12T18:59:00Z)
• MOSS: Motion-based 3D Clothed Human Synthesis from Monocular Video [14.683309699648175]
  ワンビューの人間の再構築は、仮想現実の応用において中心的な位置を占めている。 現在の手法は、運動が表面の変形に与える影響をしばしば見落とし、その結果、表面は大域的な動きによって課される制約を欠いている。 運動に基づく3次元衣料合成 (MOSS) を導入し, 運動認識型ガウス分割を実現する。
  論文  参考訳（メタデータ） (2024-05-21T13:57:53Z)
• GVA: Reconstructing Vivid 3D Gaussian Avatars from Monocular Videos [56.40776739573832]
  モノクロビデオ入力(GVA)から鮮明な3Dガウスアバターの作成を容易にする新しい手法を提案する。 私たちのイノベーションは、高忠実な人体再構築を実現するという、複雑な課題に対処することにあります。 通常の地図とシルエットを整列させて手足のポーズ精度を向上させるためにポーズ改善手法を提案する。
  論文  参考訳（メタデータ） (2024-02-26T14:40:15Z)
• Sampling is Matter: Point-guided 3D Human Mesh Reconstruction [0.0]
  本稿では,1枚のRGB画像から3次元メッシュ再構成を行うための簡易かつ強力な手法を提案する。 評価実験の結果,提案手法は3次元メッシュ再構成の性能を効率よく向上することが示された。
  論文  参考訳（メタデータ） (2023-04-19T08:45:26Z)
• Common Pets in 3D: Dynamic New-View Synthesis of Real-Life Deformable Categories [80.30216777363057]
  コモンペットを3Dで紹介する(CoP3D)。 テスト時には、目に見えないオブジェクトの少数のビデオフレームが与えられたとき、Tracker-NeRFはその3Dポイントの軌跡を予測し、新しいビューを生成する。 CoP3Dの結果は、既存のベースラインよりも、厳密でない新規ビュー合成性能が著しく向上した。
  論文  参考訳（メタデータ） (2022-11-07T22:42:42Z)
• Monocular 3D Object Reconstruction with GAN Inversion [122.96094885939146]
  MeshInversionはテクスチャ化された3Dメッシュの再構築を改善するための新しいフレームワークである。 これは、3Dテクスチャメッシュ合成のために事前訓練された3D GANの生成前を利用する。 本フレームワークは,観察部と観察部の両方で一貫した形状とテクスチャを有する忠実な3次元再構成を実現する。
  論文  参考訳（メタデータ） (2022-07-20T17:47:22Z)
• DensePose 3D: Lifting Canonical Surface Maps of Articulated Objects to the Third Dimension [71.71234436165255]
  DensePose 3Dは2次元画像アノテーションのみから弱い教師付きで再構築を学習できる手法である。 3Dスキャンを必要としないため、DensePose 3Dは異なる動物種などの幅広いカテゴリーの学習に利用できる。 我々は,人間と動物のカテゴリーの合成データと実データの両方をベースラインとして,最先端の非剛体構造と比較し,顕著な改善を示した。
  論文  参考訳（メタデータ） (2021-08-31T18:33:55Z)

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。