論文の概要: Inverse Rendering for High-Genus Surface Meshes from Multi-View Images

• arxiv url: http://arxiv.org/abs/2511.18680v1
• Date: Mon, 24 Nov 2025 01:44:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.969547
• Title: Inverse Rendering for High-Genus Surface Meshes from Multi-View Images
• Title（参考訳）: 多視点画像からの高次表面メッシュの逆レンダリング
• Authors: Xiang Gao, Xinmu Wang, Xiaolong Wu, Jiazhi Li, Jingyu Shi, Yu Guo, Yuanpeng Liu, Xiyun Song, Heather Yu, Zongfang Lin, Xianfeng David Gu,
• Abstract要約: メッシュベースの表現は、微分幾何学理論の適用を可能にするため好まれ、現代のグラフィックスパイプラインに最適化されている。 既存の逆レンダリング法は、しばしば高原表面で破滅的に失敗し、重要な位相的特徴が失われる。 多視点画像から高次表面メッシュを再構成するための位相インフォームド逆レンダリング手法を提案する。
• 参考スコア（独自算出の注目度）: 23.03019377701584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a topology-informed inverse rendering approach for reconstructing high-genus surface meshes from multi-view images. Compared to 3D representations like voxels and point clouds, mesh-based representations are preferred as they enable the application of differential geometry theory and are optimized for modern graphics pipelines. However, existing inverse rendering methods often fail catastrophically on high-genus surfaces, leading to the loss of key topological features, and tend to oversmooth low-genus surfaces, resulting in the loss of surface details. This failure stems from their overreliance on Adam-based optimizers, which can lead to vanishing and exploding gradients. To overcome these challenges, we introduce an adaptive V-cycle remeshing scheme in conjunction with a re-parametrized Adam optimizer to enhance topological and geometric awareness. By periodically coarsening and refining the deforming mesh, our method informs mesh vertices of their current topology and geometry before optimization, mitigating gradient issues while preserving essential topological features. Additionally, we enforce topological consistency by constructing topological primitives with genus numbers that match those of ground truth using Gauss-Bonnet theorem. Experimental results demonstrate that our inverse rendering approach outperforms the current state-of-the-art method, achieving significant improvements in Chamfer Distance and Volume IoU, particularly for high-genus surfaces, while also enhancing surface details for low-genus surfaces.
• Abstract（参考訳）: 多視点画像から高次表面メッシュを再構成するための位相インフォームド逆レンダリング手法を提案する。 ボクセルや点雲のような3次元表現と比較して、メッシュベースの表現は微分幾何学理論の適用が可能であり、現代のグラフィクスパイプラインに最適化されている。 しかし、既存の逆レンダリング法は、しばしば高原表面で破滅的に失敗し、鍵となるトポロジカルな特徴が失われ、低原表面が滑らかになり、表面の細部が失われる傾向にある。 この失敗は、Adamベースのオプティマイザへの過度な依存に起因する。 これらの課題を克服するために、トポロジカルおよび幾何学的認識を高めるために、AdamオプティマイザとアダプティブなVサイクルリメッシング方式を導入する。 変形メッシュを周期的に粗くすることで、最適化前のメッシュ頂点に現在のトポロジと幾何を知らせ、勾配問題を緩和し、重要なトポロジ的特徴を保存する。 さらに、ガウス・ボンネットの定理を用いて、基底真理のものと一致する属数で位相的原始体を構築することで位相的一貫性を強制する。 実験により, この逆レンダリング手法は現在の最先端手法よりも優れており, 特に高原表面において, チャンファー距離と体積IoUの大幅な改善が達成され, 同時に低原表面の表面詳細も向上していることがわかった。

関連論文リスト

• SparseSurf: Sparse-View 3D Gaussian Splatting for Surface Reconstruction [26.59203606048875]
  高品質な新しいビューレンダリングを保ちながら、より正確で詳細な表面を再構築する手法であるnetを提案する。 我々の重要な洞察は、レンダリング品質と幾何推定を橋渡しするStereo Geometry-Texture Alignmentを導入することである。 さらに,多視点幾何整合性を実現するPseudo-Feature Enhanced Geometry Consistencyを提案する。
  論文  参考訳（メタデータ） (2025-11-18T16:24:37Z)
• VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
  3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。 ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。 本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-10-13T14:44:50Z)
• Geometric Prior-Guided Neural Implicit Surface Reconstruction in the Wild [13.109693095684921]
  暗黙の曲面最適化プロセスに複数の幾何学的制約を適用する新しい手法を提案する。 まず,SfM(Structure-from-motion)からのスパース3Dポイントを用いて,再構成表面の符号付き距離関数推定を改良する。 また、エッジ事前フィルタリングとマルチビュー整合性制約によって強化された正規予測器から導出される頑健な正規事前処理も採用する。
  論文  参考訳（メタデータ） (2025-05-12T09:17:30Z)
• Thin-Shell-SfT: Fine-Grained Monocular Non-rigid 3D Surface Tracking with Neural Deformation Fields [66.1612475655465]
  RGBビデオから変形可能な表面を3Dで再現することは難しい問題だ。 既存の方法は、統計的、神経的、物理的に先行する変形モデルを使用する。 我々は,非剛性3次元トラッキングメッシュの新しい手法であるThinShell-SfTを提案する。
  論文  参考訳（メタデータ） (2025-03-25T18:00:46Z)
• HessianForge: Scalable LiDAR reconstruction with Physics-Informed Neural Representation and Smoothness Energy Constraints [18.858320397002277]
  深層学習アプローチは、生のLiDAR点雲から符号付き距離場を学習する。 トポロジ的不整合とエッジ歪みの補正のためのテスト時間改善戦略 textttCUDAによる最小二乗最適化。
  論文  参考訳（メタデータ） (2025-03-11T22:18:51Z)
• GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
  GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。 本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-11-29T03:54:54Z)
• GeoGaussian: Geometry-aware Gaussian Splatting for Scene Rendering [83.19049705653072]
  ガウススプレイティング最適化の過程で、その構造が意図的に保存されていない場合、シーンの幾何学は徐々に悪化する。 我々はこの問題を緩和するためにGeoGaussianと呼ばれる新しいアプローチを提案する。 提案するパイプラインは、新しいビュー合成と幾何再構成において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-03-17T20:06:41Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• HR-NeuS: Recovering High-Frequency Surface Geometry via Neural Implicit Surfaces [6.382138631957651]
  我々は新しい暗黙表面再構成法であるHigh-Resolution NeuSを提案する。 HR-NeuSは大規模な再構成精度を維持しながら高周波表面形状を復元する。 我々は,DTUおよびBlendedMVSデータセットを用いた実験により,従来の手法と同等の精度で定性的に詳細かつ定量的な3次元測地を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-02-14T02:25:16Z)

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。