論文の概要: Towards Fast and Scalable Normal Integration using Continuous Components

• arxiv url: http://arxiv.org/abs/2510.11508v1
• Date: Mon, 13 Oct 2025 15:17:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.42584
• Title: Towards Fast and Scalable Normal Integration using Continuous Components
• Title（参考訳）: 継続的コンポーネントを用いた高速かつスケーラブルな正規統合を目指して
• Authors: Francesco Milano, Jen Jen Chung, Lionel Ott, Roland Siegwart,
• Abstract要約: 表面正規化はコンピュータビジョンの基本的な問題である。 連続成分の相対スケールの推定として正規積分を再送する。 我々のフレームワークは、最先端の成果をほんの数秒で達成します。
• 参考スコア（独自算出の注目度）: 23.840474328084003
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface normal integration is a fundamental problem in computer vision, dealing with the objective of reconstructing a surface from its corresponding normal map. Existing approaches require an iterative global optimization to jointly estimate the depth of each pixel, which scales poorly to larger normal maps. In this paper, we address this problem by recasting normal integration as the estimation of relative scales of continuous components. By constraining pixels belonging to the same component to jointly vary their scale, we drastically reduce the number of optimization variables. Our framework includes a heuristic to accurately estimate continuous components from the start, a strategy to rebalance optimization terms, and a technique to iteratively merge components to further reduce the size of the problem. Our method achieves state-of-the-art results on the standard normal integration benchmark in as little as a few seconds and achieves one-order-of-magnitude speedup over pixel-level approaches on large-resolution normal maps.
• Abstract（参考訳）: 表面正規化はコンピュータビジョンの基本的な問題であり、対応する正規写像から表面を再構成する目的を扱う。 既存のアプローチでは、各ピクセルの深さを共同で推定する反復的大域的最適化が必要であり、これはより大きな正規写像に対して低スケールである。 本稿では,通常の積分を連続成分の相対スケール推定として再キャストすることで,この問題に対処する。 同一成分に属する画素のスケールを制約することにより、最適化変数の数を劇的に削減する。 我々のフレームワークは、開始時から連続的なコンポーネントを正確に推定するヒューリスティックな手法、最適化用語を再バランスする戦略、および問題をさらに小さくするために反復的にコンポーネントをマージする手法を含む。 提案手法は,標準標準積分ベンチマークの最先端結果をほんの数秒で達成し,高分解能正規写像に対する画素レベルのアプローチよりも1次1次高速化する。

関連論文リスト

• Discontinuity-aware Normal Integration for Generic Central Camera Models [16.399318956816817]
  本稿では,非連続性を明示的にモデル化し,汎用型中央カメラを扱える新しい定式化を提案する。 従来の手法と比較して,本手法は従来の標準標準統合ベンチマークにおける深度と表面の正常値の関係をより正確に近似し,汎用型中央カメラモデルを直接扱う最初の方法である。
  論文  参考訳（メタデータ） (2025-07-08T15:16:30Z)
• Robust and Real-time Surface Normal Estimation from Stereo Disparities using Affine Transformations [6.322193856514675]
  本研究は,修正ステレオ画像対から表面正規分布推定を行う新しい手法を提案する。 我々は、分散データを効率的に処理するように設計された畳み込み操作にインスパイアされたカスタムアルゴリズムを開発する。 本手法は,ミドルベリーとシティスケープのデータセットから,シミュレーション環境と実世界のステレオ画像の両方を用いて検証した。
  論文  参考訳（メタデータ） (2025-04-21T14:19:00Z)
• Feature-Preserving Mesh Decimation for Normal Integration [16.320467417627277]
  正規積分は、測光ステレオから得られる通常の地図から3次元曲面を再構成する。 本研究では,通常の積分に先立って,高密度画素格子をスパース異方性三角形メッシュに置き換える。
  論文  参考訳（メタデータ） (2025-04-01T14:56:47Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
  閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。 最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。 遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
  論文  参考訳（メタデータ） (2021-04-06T10:32:03Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
  連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。 本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T21:41:31Z)

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。