論文の概要: Preconditioned Deformation Grids

• arxiv url: http://arxiv.org/abs/2509.18097v1
• Date: Mon, 22 Sep 2025 17:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.563974
• Title: Preconditioned Deformation Grids
• Title（参考訳）: プレコンディショニング変形格子
• Authors: Julian Kaltheuner, Alexander Oebel, Hannah Droege, Patrick Stotko, Reinhard Klein,
• Abstract要約: 非構造点雲列から直接コヒーレントな変形場を推定する新しい手法であるプレコンディショニング変形格子を導入する。 提案手法は,最先端技術と比較して,特に長いシーケンスにおいて優れた結果が得られる。
• 参考スコア（独自算出の注目度）: 41.79220966392968
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic surface reconstruction of objects from point cloud sequences is a challenging field in computer graphics. Existing approaches either require multiple regularization terms or extensive training data which, however, lead to compromises in reconstruction accuracy as well as over-smoothing or poor generalization to unseen objects and motions. To address these lim- itations, we introduce Preconditioned Deformation Grids, a novel technique for estimating coherent deformation fields directly from unstructured point cloud sequences without requiring or forming explicit correspondences. Key to our approach is the use of multi-resolution voxel grids that capture the overall motion at varying spatial scales, enabling a more flexible deformation representation. In conjunction with incorporating grid-based Sobolev preconditioning into gradient-based optimization, we show that applying a Chamfer loss between the input point clouds as well as to an evolving template mesh is sufficient to obtain accurate deformations. To ensure temporal consistency along the object surface, we include a weak isometry loss on mesh edges which complements the main objective without constraining deformation fidelity. Extensive evaluations demonstrate that our method achieves superior results, particularly for long sequences, compared to state-of-the-art techniques.
• Abstract（参考訳）: 点雲列からの物体の動的表面再構成はコンピュータグラフィックスにおいて難しい分野である。 既存のアプローチでは、複数の正規化項または広範囲なトレーニングデータが必要であるが、これは再構築精度の妥協につながるだけでなく、目に見えない物体や動きへの過度な平滑化や一般化の欠如に繋がる。 そこで本研究では,非構造点雲列から直接コヒーレントな変形場を推定する手法であるPreconditioned deformation Gridsを紹介する。 我々のアプローチの鍵となるのは、空間スケールの異なる動きを捉え、より柔軟な変形表現を可能にするマルチレゾリューションボクセルグリッドを使用することである。 グリッドベースのソボレフプレコンディショニングを勾配に基づく最適化に組み込むことで、入力点雲と進化テンプレートメッシュとの間のチャムファーロスを適用すれば正確な変形が得られることを示す。 物体表面の時間的整合性を確保するため、変形の忠実さを拘束することなく主目的を補完するメッシュエッジに弱い等尺性損失を含む。 提案手法は, 最先端技術と比較して, 特に長いシーケンスにおいて, 優れた結果が得られることを示す。

関連論文リスト

• Adaptive Point-Prompt Tuning: Fine-Tuning Heterogeneous Foundation Models for 3D Point Cloud Analysis [51.37795317716487]
  本稿では,パラメータの少ない事前学習モデルを微調整するAdaptive Point-Prompt Tuning (APPT)法を提案する。 局所幾何学を集約することで原点雲を点埋め込みに変換し、空間的特徴を捉える。 任意のモダリティのソース領域から3Dへの自己アテンションを校正するために,重みを点埋め込みモジュールと共有するプロンプトジェネレータを導入する。
  論文  参考訳（メタデータ） (2025-08-30T06:02:21Z)
• 4Deform: Neural Surface Deformation for Robust Shape Interpolation [47.47045870313048]
  本研究では,非構造化データにおける非剛性変形形状間の中間形状を現実的に生成するための新しい手法を開発した。 本手法はユークリッド空間における連続速度場を学習し,訓練中に中間形状の監視を必要としない。 提案手法は, 4次元Kinectシークエンスアップサンプリングや実世界の高分解能メッシュ変形などの新しいアプリケーションを実現する。
  論文  参考訳（メタデータ） (2025-02-27T15:47:49Z)
• Occlusion-aware Non-Rigid Point Cloud Registration via Unsupervised Neural Deformation Correntropy [25.660967523504855]
  Occlusion-Aware Registration (OAR) は、非厳密に整列する点雲の教師なしの方法である。 理論解析を行い,最大コレントロピー基準と一般的なチャンファー距離の関係を確立する。 提案手法は,既存手法に比べて優れた性能,競争力を発揮する。
  論文  参考訳（メタデータ） (2025-02-15T07:27:15Z)
• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
  ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。 我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。 提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
  論文  参考訳（メタデータ） (2024-02-07T12:36:54Z)
• Robustifying Generalizable Implicit Shape Networks with a Tunable Non-Parametric Model [10.316008740970037]
  無向点雲からの暗黙的形状再構成の一般化可能なモデルは一般化問題に悩まされる。 ここでは、これらの制限のいくつかをテスト時に緩和する効率的なメカニズムを提案する。 本稿では,本手法によるベースラインの改良と,合成データと実データを用いた最先端技術について述べる。
  論文  参考訳（メタデータ） (2023-11-21T20:12:29Z)
• Reduced Representation of Deformation Fields for Effective Non-rigid Shape Matching [26.77241999731105]
  変形場の縮小表現を利用して,非剛体物体間の対応を計算するための新しい手法を提案する。 ネットワークは空間(ノード)における粗い位置の変形パラメータを学習させることにより、滑らかさを保証された閉形式の連続的な変形場を再構築する。 我々のモデルは高い表現力を持ち、複雑な変形を捉えることができる。
  論文  参考訳（メタデータ） (2022-11-26T16:11:17Z)
• Topology-Adaptive Mesh Deformation for Surface Evolution, Morphing, and Multi-View Reconstruction [35.01330182954581]
  我々は,新しい自己切断除去アルゴリズムであるTransforMeshを導入し,このアルゴリズムに基づくメッシュ進化フレームワークを提案する。 表面改質と3次元再構成の2つの挑戦的応用について述べる。
  論文  参考訳（メタデータ） (2020-12-10T09:26:40Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)

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。