論文の概要: SERES: Semantic-aware neural reconstruction from sparse views

• arxiv url: http://arxiv.org/abs/2508.18314v1
• Date: Sat, 23 Aug 2025 17:14:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.518169
• Title: SERES: Semantic-aware neural reconstruction from sparse views
• Title（参考訳）: SERES: スパースビューからのセマンティック・アウェア・ニューラルリコンストラクション
• Authors: Bo Xu, Yuhu Guo, Yuchao Wang, Wenting Wang, Yeung Yam, Charlie C. L. Wang, Xinyi Le,
• Abstract要約: スパース画像から3次元高忠実度モデルを生成する意味認識型ニューラルネットワーク再構成法を提案する。 スパース入力における不一致特徴によって引き起こされる重度のラディアンス曖昧性の課題に対処するために,パッチベースの意味ロジットを追加することにより,ニューラルな暗黙表現を充実させる。
• 参考スコア（独自算出の注目度）: 13.506610565815025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a semantic-aware neural reconstruction method to generate 3D high-fidelity models from sparse images. To tackle the challenge of severe radiance ambiguity caused by mismatched features in sparse input, we enrich neural implicit representations by adding patch-based semantic logits that are optimized together with the signed distance field and the radiance field. A novel regularization based on the geometric primitive masks is introduced to mitigate shape ambiguity. The performance of our approach has been verified in experimental evaluation. The average chamfer distances of our reconstruction on the DTU dataset can be reduced by 44% for SparseNeuS and 20% for VolRecon. When working as a plugin for those dense reconstruction baselines such as NeuS and Neuralangelo, the average error on the DTU dataset can be reduced by 69% and 68% respectively.
• Abstract（参考訳）: スパース画像から3次元高忠実度モデルを生成する意味認識型ニューラルネットワーク再構成法を提案する。 スパース入力における不一致特徴によって引き起こされる厳密なラディアンス曖昧性の課題に対処するために,符号付き距離場とラディアンスフィールドとともに最適化されたパッチベースのセマンティックロジットを追加することにより,ニューラルな暗黙の表現を豊かにする。 形状のあいまいさを軽減するために、幾何学的原始マスクに基づく新しい正規化を導入する。 提案手法の有効性を実験的に評価した。 DTUデータセットの再構築における平均チャンファー距離は、SparseNeuSでは44%、VolReconでは20%削減できる。 NeuSやNeuralangeloのような高密度な再構築ベースラインのプラグインとして作業する場合,DTUデータセットの平均エラーをそれぞれ69%,68%削減することができる。

関連論文リスト

• DARB-Splatting: Generalizing Splatting with Decaying Anisotropic Radial Basis Functions [32.732154977447685]
  本稿では、ガウス関数の閉形式積分の利点を近似することにより、減衰異方性ラジアル基底関数(DARBF)のクラスがスプレイティングをサポートすることを示す。 トレーニング中の最大34%の高速化と,DARB再構成カーネル間でのメモリ消費の45%削減を実証した。
  論文  参考訳（メタデータ） (2025-01-21T18:49:06Z)
• Deep Graph Neural Networks via Posteriori-Sampling-based Node-Adaptive Residual Module [65.81781176362848]
  グラフニューラルネットワーク(GNN)は、近隣情報収集を通じてグラフ構造化データから学習することができる。 レイヤーの数が増えるにつれて、ノード表現は区別不能になり、オーバー・スムーシング(over-smoothing)と呼ばれる。 我々は,textbfPosterior-Sampling-based, Node-distinguish Residual Module (PSNR)を提案する。
  論文  参考訳（メタデータ） (2023-05-09T12:03:42Z)
• NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
  暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。 本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。 本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
  論文  参考訳（メタデータ） (2022-07-22T10:05:36Z)
• InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
  ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。 提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。 複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
  論文  参考訳（メタデータ） (2021-12-31T11:56:01Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction [88.02850205432763]
  物体やシーンを2次元画像入力から高忠実度に再構成するニュートラルサーフェス(NeuS)を提案する。 DVRやIDRのような既存の神経表面再構成アプローチでは、フォアグラウンドマスクを監督する必要がある。 本研究では,従来のボリュームレンダリング手法が表面再構成に固有の幾何学的誤差を引き起こすことを観察する。 マスクの監督なしでもより正確な表面再構成を実現するため,第一次近似ではバイアスのない新しい定式化を提案する。
  論文  参考訳（メタデータ） (2021-06-20T12:59:42Z)
• Iso-Points: Optimizing Neural Implicit Surfaces with Hybrid Representations [21.64457003420851]
  我々は,幾何認識によるサンプリングと正規化を課すことができるハイブリッドニューラルサーフェス表現を開発した。 本手法は、多視点画像や点群から神経暗黙面を再構築する技術を改善するために適用できることを実証する。
  論文  参考訳（メタデータ） (2020-12-11T15:51:04Z)
• Learning Nonparametric Human Mesh Reconstruction from a Single Image without Ground Truth Meshes [56.27436157101251]
  そこで本研究では,人間のメッシュ再構築を基礎となる真理メッシュを使わずに学習する手法を提案する。 これはグラフ畳み込みニューラルネットワーク(Graph CNN)の損失関数に2つの新しい用語を導入することで実現される。
  論文  参考訳（メタデータ） (2020-02-28T20:30:07Z)

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。