論文の概要: A PCA Based Model for Surface Reconstruction from Incomplete Point Clouds

• arxiv url: http://arxiv.org/abs/2509.15675v1
• Date: Fri, 19 Sep 2025 06:49:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.036778
• Title: A PCA Based Model for Surface Reconstruction from Incomplete Point Clouds
• Title（参考訳）: 不完全点雲の表面再構成のためのPCAモデル
• Authors: Hao Liu,
• Abstract要約: 不完全点雲データから表面再構成を行うための主成分分析に基づくモデルを提案する。 我々は、利用可能な点雲データから基盤表面の正規情報を推定するためにPCAを用いる。 また,提案手法を効果的に解くために,演算子分割法を提案する。
• 参考スコア（独自算出の注目度）: 5.506055210654808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point cloud data represents a crucial category of information for mathematical modeling, and surface reconstruction from such data is an important task across various disciplines. However, during the scanning process, the collected point cloud data may fail to cover the entire surface due to factors such as high light-absorption rate and occlusions, resulting in incomplete datasets. Inferring surface structures in data-missing regions and successfully reconstructing the surface poses a challenge. In this paper, we present a Principal Component Analysis (PCA) based model for surface reconstruction from incomplete point cloud data. Initially, we employ PCA to estimate the normal information of the underlying surface from the available point cloud data. This estimated normal information serves as a regularizer in our model, guiding the reconstruction of the surface, particularly in areas with missing data. Additionally, we introduce an operator-splitting method to effectively solve the proposed model. Through systematic experimentation, we demonstrate that our model successfully infers surface structures in data-missing regions and well reconstructs the underlying surfaces, outperforming existing methodologies.
• Abstract（参考訳）: ポイントクラウドデータは数学的なモデリングにおいて重要なカテゴリであり、そのようなデータからの表面再構成は様々な分野において重要な課題である。 しかし、走査過程において、収集された点雲データは、高い光吸収率や閉塞率などの要因により表面全体を覆うことができず、結果として不完全なデータセットとなる。 データ欠落領域の表面構造を推測し、表面の再構築に成功したことは、課題となる。 本稿では,不完全点雲データから表面再構成を行うための主成分分析(PCA)モデルを提案する。 当初、利用可能な点クラウドデータから基礎となる表面の正規情報を推定するためにPCAを使用しました。 この推定された正規情報は我々のモデルにおける正規化要因として機能し、特に欠落したデータ領域における表面の再構成を導く。 さらに,提案手法を効果的に解くために,演算子分割法を提案する。 系統的な実験を通じて,本モデルがデータ伝達領域の表面構造を推測し,基礎となる表面を十分に再構築し,既存の手法より優れていることを示す。

関連論文リスト

• Graph-based Point Cloud Surface Reconstruction using B-Splines [0.0]
  実世界の点雲は、様々な技術的・環境的要因により本質的にうるさい。 既存のデータ駆動表面再構成アルゴリズムは、中間ステップとして、地上の真理正規度や近似正規度に大きく依存している。 辞書型グラフ畳み込みネットワークに基づく表面再構成戦略を開発した。
  論文  参考訳（メタデータ） (2025-09-19T14:59:51Z)
• Conceptual framework for the application of deep neural networks to surface composition reconstruction from Mercury's exospheric data [77.40388962445168]
  本研究では、ディープニューラルネットワーク(DNN)を用いた中性外気圏のその場測定から水銀のレゴリス元素組成の導出の可能性について検討する。 本稿では,下記表層リゴリスの化学成分を予測した制御フィードフォワードDNNアーキテクチャを提案する。 表面と外圏の相互作用や、外圏の形成に至る過程を推定する指標として機能する。
  論文  参考訳（メタデータ） (2025-05-16T09:52:45Z)
• ImplicitTerrain: a Continuous Surface Model for Terrain Data Analysis [14.013976303831313]
  ImplicitTerrainは、高解像度の地形を連続的に微分的にモデル化するための暗黙の神経表現(INR)アプローチである。 本実験では, 表面適合精度, 有効トポロジカル特徴抽出, 各種トポロジカル特徴抽出について検討した。
  論文  参考訳（メタデータ） (2024-05-31T23:05:34Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• A Survey and Benchmark of Automatic Surface Reconstruction from Point Clouds [12.58355339505807]
  このタスクは、ノイズ、外れ値、非一様サンプリング、欠落データなどの要因により、現実世界の取得において特に困難である。 従来のアプローチでは、入力点の雲または結果として生じる表面に手作りの先行を課すことで、問題を単純化することが多い。 ディープラーニングモデルは、データから入力ポイントクラウドと所望の表面のプロパティを直接学習する機能を持っている。
  論文  参考訳（メタデータ） (2023-01-31T14:18:19Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Sign-Agnostic Implicit Learning of Surface Self-Similarities for Shape Modeling and Reconstruction from Raw Point Clouds [35.80493796701116]
  物体の表面全体を共有・適応的にモデリングするための局所暗黙的表面ネットワークを学習することを提案する。 また、各表面パッチの最適化潜在符号間の相関性を改善することにより、表面の自己相似性の活用も促進する。 私たちのフレームワークは、表面自己相似性(SAIL-S3)の符号認識暗黙学習(Sign-Agnostic Implicit Learning)と呼びます。
  論文  参考訳（メタデータ） (2020-12-14T13:33:22Z)
• Skeleton-bridged Point Completion: From Global Inference to Local Adjustment [48.2757171993437]
  形状整形のための骨格ブリッジ型点完備ネットワーク(SK-PCN)を提案する。 部分スキャンにより,まずその3次元骨格を予測し,大域構造を求める。 形状の完備化を構造推定と表面再構成に分離し,学習の難易度を緩和する。
  論文  参考訳（メタデータ） (2020-10-14T22:49:30Z)

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。