論文の概要: IPCD: Intrinsic Point-Cloud Decomposition

• arxiv url: http://arxiv.org/abs/2511.09866v1
• Date: Fri, 14 Nov 2025 01:14:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.536281
• Title: IPCD: Intrinsic Point-Cloud Decomposition
• Title（参考訳）: IPCD:本質的なポイントクラウド分解
• Authors: Shogo Sato, Takuhiro Kaneko, Shoichiro Takeda, Tomoyasu Shimada, Kazuhiko Murasaki, Taiga Yoshida, Ryuichi Tanida, Akisato Kimura,
• Abstract要約: 我々は,色付き点雲のアルベドやシェードへの直接分解に画像分解を拡張できるtextbfIntrinsic Point-Cloud Decomposition (IPCD)を導入する。 実験により,IPCD-Netはアルベドの陰影を低減し,陰影の色精度を向上させることが示された。
• 参考スコア（独自算出の注目度）: 27.87003312971319
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point clouds are widely used in various fields, including augmented reality (AR) and robotics, where relighting and texture editing are crucial for realistic visualization. Achieving these tasks requires accurately separating albedo from shade. However, performing this separation on point clouds presents two key challenges: (1) the non-grid structure of point clouds makes conventional image-based decomposition models ineffective, and (2) point-cloud models designed for other tasks do not explicitly consider global-light direction, resulting in inaccurate shade. In this paper, we introduce \textbf{Intrinsic Point-Cloud Decomposition (IPCD)}, which extends image decomposition to the direct decomposition of colored point clouds into albedo and shade. To overcome challenge (1), we propose \textbf{IPCD-Net} that extends image-based model with point-wise feature aggregation for non-grid data processing. For challenge (2), we introduce \textbf{Projection-based Luminance Distribution (PLD)} with a hierarchical feature refinement, capturing global-light ques via multi-view projection. For comprehensive evaluation, we create a synthetic outdoor-scene dataset. Experimental results demonstrate that IPCD-Net reduces cast shadows in albedo and enhances color accuracy in shade. Furthermore, we showcase its applications in texture editing, relighting, and point-cloud registration under varying illumination. Finally, we verify the real-world applicability of IPCD-Net.
• Abstract（参考訳）: ポイントクラウドは、拡張現実(AR)やロボット工学など、さまざまな分野で広く利用されている。 これらのタスクを達成するには、日陰からアルベドを正確に分離する必要があります。 しかし、点雲上でこの分離を行うことは、(1)点雲の非グリッド構造が従来の画像ベース分解モデルを非効率にし、(2)他のタスクのために設計された点雲モデルは、明示的にグローバルライトの方向を考慮せず、不正確な陰影をもたらす。 本稿では,色付き点雲のアルベドやシェードへの直接分解に画像分解を拡張可能な, {textbf{Intrinsic Point-Cloud Decomposition (IPCD) を紹介する。 課題(1)を克服するために,非グリッドデータ処理のポイントワイドな特徴集約による画像ベースモデルの拡張である \textbf{IPCD-Net} を提案する。 課題(2)として,多視点プロジェクションによるグローバル・ライト・クイズをキャプチャし,階層的な特徴改善を施した \textbf{Projection-based Luminance Distribution (PLD) を導入する。 総合的な評価のために、我々は合成屋外シーンデータセットを作成する。 実験により,IPCD-Netはアルベドの陰影を低減し,陰影の色精度を向上させることが示された。 さらに, テクスチャ編集, ライティング, ポイントクラウド登録において, 様々な照明条件下での応用について紹介する。 最後に,IPCD-Netの現実的な適用性を検証する。

関連論文リスト

• PointVDP: Learning View-Dependent Projection by Fireworks Rays for 3D Point Cloud Segmentation [66.00721801098574]
  本稿では,ポイントクラウドのセグメンテーションを容易にするために,ビュー依存プロジェクション(VDP)を提案する。 VDPは3Dポイント分布からデータ駆動プロジェクションを生成する。 フレームワークを最適化するために色規則化を構築します。
  論文  参考訳（メタデータ） (2025-07-09T07:44:00Z)
• GPN: Generative Point-based NeRF [0.65268245109828]
  我々は,部分的な雲を復元し,修復するために生成点ベースのNeRF (GPN) を提案する。 補修された点雲は、高空間分解能で撮像された画像との多視点整合を達成することができる。
  論文  参考訳（メタデータ） (2024-04-12T08:14:17Z)
• Intrinsic Image Decomposition Using Point Cloud Representation [13.771632868567277]
  本稿では3次元クラウドデータを利用してアルベドとシェーディングマップを同時に推定するPoint Intrinsic Net(PoInt-Net)を紹介する。 PoInt-Netは効率的で、任意のサイズのポイントクラウドで一貫したパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-07-20T14:51:28Z)
• Dual Degradation Representation for Joint Deraining and Low-Light Enhancement in the Dark [57.85378202032541]
  暗闇の中での雨は、自律運転や監視システム、夜間写真など、現実世界のアプリケーションをデプロイする上で大きな課題となる。 既存の低照度化や除染法は、低照度を明るくし、同時に雨を取り除くのに苦労する。 L$2$RIRNetと呼ばれるエンド・ツー・エンドのモデルを導入する。
  論文  参考訳（メタデータ） (2023-05-06T10:17:42Z)
• Point2Pix: Photo-Realistic Point Cloud Rendering via Neural Radiance Fields [63.21420081888606]
  最近の放射場と拡張法は、2次元入力から現実的な画像を合成するために提案されている。 我々は3次元スパース点雲と2次元高密度画像画素を結びつけるための新しい点としてPoint2Pixを提示する。
  論文  参考訳（メタデータ） (2023-03-29T06:26:55Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)
• GRNet: Gridding Residual Network for Dense Point Cloud Completion [54.43648460932248]
  完全な3Dポイントクラウドを不完全なクラウドから推定することは、多くのビジョンやロボティクスアプリケーションにおいて重要な問題である。 本稿では,ポイントクラウド補完のための新しいGridding Residual Network(GRNet)を提案する。 実験結果から,提案したGRNetはShapeNet,Completion3D,KITTIベンチマークの最先端手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2020-06-06T02:46:39Z)

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。