論文の概要: VIRTUS-FPP: Virtual Sensor Modeling for Fringe Projection Profilometry in NVIDIA Isaac Sim

• arxiv url: http://arxiv.org/abs/2509.22685v1
• Date: Thu, 18 Sep 2025 00:21:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 05:29:07.7861
• Title: VIRTUS-FPP: Virtual Sensor Modeling for Fringe Projection Profilometry in NVIDIA Isaac Sim
• Title（参考訳）: VIRTUS-FPP:NVIDIA Isaac SimにおけるFringe射影プロファイロメトリーのための仮想センサモデリング
• Authors: Adam Haroon, Anush Lakshman, Badrinath Balasubramaniam, Beiwen Li,
• Abstract要約: VIRTUS-FPPはNVIDIA Isaac Simで開発された物理ベースの仮想センサーモデリングフレームワークである。 包括的仮想キャリブレーションを行い、システムの再構築精度を検証する。 シミュレーションにおいて物理FPPシステムを複製することにより,仮想システムをデジタルツインとしてモデル化できることを実証する。
• 参考スコア（独自算出の注目度）: 0.027998963147546144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fringe projection profilometry (FPP) has been established as a high-accuracy 3D reconstruction method capable of achieving sub-pixel accuracy. However, this technique faces significant constraints due to complex calibration requirements, bulky system footprint, and sensitivity to environmental conditions. To address these limitations, we present VIRTUS-FPP, the first comprehensive physics-based virtual sensor modeling framework for FPP built in NVIDIA Isaac Sim. By leveraging the physics-based rendering and programmable sensing capabilities of simulation, our framework enables end-to-end modeling from calibration to reconstruction with full mathematical fidelity to the underlying principles of structured light. We conduct comprehensive virtual calibration and validate our system's reconstruction accuracy through quantitative comparison against ground truth geometry. Additionally, we demonstrate the ability to model the virtual system as a digital twin by replicating a physical FPP system in simulation and validating correspondence between virtual and real-world measurements. Experimental results demonstrate that VIRTUS-FPP accurately models optical phenomena critical to FPP and achieves results comparable to real-world systems while offering unprecedented flexibility for system configuration, sensor prototyping, and environmental control. This framework significantly accelerates the development of real-world FPP systems by enabling rapid virtual prototyping before physical implementation.
• Abstract（参考訳）: サブピクセル精度を達成できる高精度な3D再構成法として,FPP(Fringe projection profilometry)が確立されている。 しかし, この手法は, 複雑なキャリブレーション要件, 粗いシステムフットプリント, 環境条件に対する感受性など, 重大な制約に直面している。 これらの制約に対処するため、NVIDIA Isaac Sim で構築された FPP 用の物理ベースの仮想センサモデリングフレームワーク VIRTUS-FPP を紹介する。 シミュレーションの物理に基づくレンダリングとプログラム可能なセンシング機能を活用することで、キャリブレーションから完全な数学的忠実度による再構築、構造光の基本原理へのエンド・ツー・エンド・エンド・モデリングを可能にした。 我々は,地中真理幾何に対する定量的比較により,包括的仮想キャリブレーションを行い,システムの再構築精度を検証した。 さらに,シミュレーションにおいて物理FPPシステムを複製し,仮想と実世界の対応性を検証することにより,仮想システムをディジタルツインとしてモデル化できることを実証する。 実験により, VIRTUS-FPPはFPPに重要な光学現象を正確にモデル化し, システム構成, センサプロトタイピング, 環境制御に前例のない柔軟性を提供しながら, 実世界のシステムに匹敵する結果が得られることを示した。 このフレームワークは、物理実装の前に高速な仮想プロトタイピングを可能にすることで、現実世界のFPPシステムの開発を著しく加速させる。

関連論文リスト

• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
  蛍光ライフタイムイメージング(FLI)は、組織微小環境に関するユニークな情報を提供する。 近年のディープラーニングの進歩により、蛍光寿命パラメーターの推定が改善されている。 本稿では,実験的な光子時間ヒストグラムとともに,計装応答関数(IRF)を付加入力として統合した新しいDLアーキテクチャであるMFliNetを提案する。
  論文  参考訳（メタデータ） (2024-11-25T20:03:41Z)
• A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
  ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたソフトウェアスパイクニューラルネットワークシミュレータである。 得られた結果が,ソフトウェアでトレーニングされたスパイクニューラルネットワークの動作を,かつてハードウェアにデプロイされた場合の信頼性の高い推定方法を示す。
  論文  参考訳（メタデータ） (2024-09-23T11:16:46Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Near-realtime Facial Animation by Deep 3D Simulation Super-Resolution [7.14576106770047]
  本稿では,低コストでリアルタイムな物理シミュレーションによって生み出す顔のパフォーマンスを効率よく,現実的に向上させるニューラルネットワークに基づくシミュレーションフレームワークを提案する。 顔のアニメーションをこのようなシミュレーション領域の例に用いて,2つのシミュレータで同じ筋の運動制御と骨格のポーズを単純にダイヤルすることで,この意味の一致を創り出すことができる。 提案するニューラルネットワーク超解像フレームワークは,このトレーニングセットから未確認表現を一般化し,リアルタイム変種における解像度の制限やコスト削減近似による2つのシミュレーション間の不一致をモデル化するための補償を行うとともに,意味記述子やパラメータを必要としない。
  論文  参考訳（メタデータ） (2023-05-05T00:09:24Z)
• Single-shot fringe projection profilometry based on Deep Learning and Computer Graphics [0.7734726150561088]
  仮想フリンジプロフィロメトリシステムを構築するために,コンピュータグラフィックスを導入する。 また、1つの縁画像から深度画像を正確に推定することを目的として、新たな損失関数を設計する。 U-Net と pix2pix の2つの代表ネットワークを複数の側面で比較する。
  論文  参考訳（メタデータ） (2021-01-04T07:42:37Z)

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。