論文の概要: Inverse Rendering for High-Genus 3D Surface Meshes from Multi-view Images with Persistent Homology Priors

• arxiv url: http://arxiv.org/abs/2601.12155v1
• Date: Sat, 17 Jan 2026 20:06:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.488937
• Title: Inverse Rendering for High-Genus 3D Surface Meshes from Multi-view Images with Persistent Homology Priors
• Title（参考訳）: 多視点画像からの高次3次元表面メッシュの逆レンダリング
• Abstract要約: 画像から3Dオブジェクトを再構成することは、本質的には幾何学、外観、トポロジーの曖昧さによる不適切な問題である。 本稿では,これらの曖昧さを解決するためにトポロジ的制約を活用する新しい戦略である,永続的ホモロジー先行と協調レンダリングを導入する。
• 参考スコア（独自算出の注目度）: 11.227213428407673
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing 3D objects from images is inherently an ill-posed problem due to ambiguities in geometry, appearance, and topology. This paper introduces collaborative inverse rendering with persistent homology priors, a novel strategy that leverages topological constraints to resolve these ambiguities. By incorporating priors that capture critical features such as tunnel loops and handle loops, our approach directly addresses the difficulty of reconstructing high-genus surfaces. The collaboration between photometric consistency from multi-view images and homology-based guidance enables recovery of complex high-genus geometry while circumventing catastrophic failures such as collapsing tunnels or losing high-genus structure. Instead of neural networks, our method relies on gradient-based optimization within a mesh-based inverse rendering framework to highlight the role of topological priors. Experimental results show that incorporating persistent homology priors leads to lower Chamfer Distance (CD) and higher Volume IoU compared to state-of-the-art mesh-based methods, demonstrating improved geometric accuracy and robustness against topological failure.
• Abstract（参考訳）: 画像から3Dオブジェクトを再構成することは、本質的には幾何学、外観、トポロジーの曖昧さによる不適切な問題である。 本稿では,これらの曖昧さを解決するためにトポロジ的制約を活用する新しい戦略である,永続的ホモロジー先行と協調的逆レンダリングを導入する。 トンネルループやハンドリングループなどの重要な特徴を捉えた先行情報を組み込むことで,高次表面の再構築の難しさに直接対処する。 多視点画像からの光度一貫性とホモロジーに基づくガイダンスの協調により、複雑な高次幾何学の回復が可能となり、トンネル崩壊や高次構造喪失といった破滅的な失敗を回避できる。 ニューラルネットワークの代わりに、メッシュベースの逆レンダリングフレームワーク内での勾配に基づく最適化に頼り、トポロジ的先行性の役割を強調する。 実験結果から, 持続的ホモロジーを組み込むことで, トポロジ的故障に対する精度の向上とロバスト性を実証し, 最先端メッシュ法と比較して, チャンファー距離 (CD) が低く, ボリュームIoUが高いことが示唆された。

関連論文リスト

• DiffGI: Differentiable Geometry Images for High-Fidelity Thin-Shell 3D Generation [1.0479639406219858]
  曲面表現と幾何学的最適化をシームレスに統合する3D-to-2DマッピングフレームワークであるDiffGIを提案する。 提案手法は,従来の幾何学画像やボクセルに基づく手法と比較して,再現精度と境界精度に優れる。
  論文  参考訳（メタデータ） (2026-07-15T01:00:01Z)
• FlowObject: Flow Steering for Bridging Generative Priors and Reconstruction Fidelity [34.142288038459704]
  FlowObjectは、スパースビューの3D再構成をトレーニング不要でガイド付き逆問題として再構成するフレームワークである。 提案手法は、幾何学的完全性およびビュー依存外観忠実度の両方において、最先端の生成モデルと最適化に基づくフレームワークを著しく上回る。
  論文  参考訳（メタデータ） (2026-06-17T12:42:09Z)
• Face Anything: 4D Face Reconstruction from Any Image Sequence [49.395407357499074]
  そこで本研究では,正準顔点予測に基づく高忠実度4次元顔再構成の統一手法を提案する。 深度と標準座標を共同で予測することにより,正確な深度推定,時間的に安定な再構築,密度の高い3次元形状,頑健な顔点追跡が可能となる。
  論文  参考訳（メタデータ） (2026-04-21T17:22:39Z)
• Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
  UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。 エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。 第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。 第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
  論文  参考訳（メタデータ） (2026-04-12T10:36:18Z)
• Reliev3R: Relieving Feed-forward Reconstruction from Multi-View Geometric Annotations [98.66466590444553]
  コスト制約のない多視点幾何アノテーションを使わずにFFRMをスクラッチからトレーニングするための弱教師付きパラダイムであるReliev3Rを提案する。 Reliev3Rのコアでは、多視点幾何整合性の監視を容易にするために、曖昧さを意識した相対深度損失と三角法に基づく再射損失を設計する。
  論文  参考訳（メタデータ） (2026-04-01T06:46:54Z)
• A Diffusion-Based Generative Prior Approach to Sparse-view Computed Tomography [1.0960289997471082]
  本稿では, 深部生成モデルを用いて, スパース測地からのX線CT画像の再構成を行うための枠組みを提案する。 高度に平らな測地でも得られた結果は極めて有望であるが、この方向にはさらなる研究が必要であることは明らかである。
  論文  参考訳（メタデータ） (2026-02-11T10:27:41Z)
• Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
  本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。 実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-01T12:48:56Z)
• Inverse Rendering for High-Genus Surface Meshes from Multi-View Images [23.03019377701584]
  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。
  論文  参考訳（メタデータ） (2025-11-24T01:44:09Z)
• Rethinking Multimodal Point Cloud Completion: A Completion-by-Correction Perspective [8.276620253870338]
  ポイント雲の完成は、部分的な観測から完全な3次元形状を再構築することを目的としている。 ほとんどのメソッドは、いまだにCompletion-by-Inpaintingパラダイムに従っている。 完全形状から始まるコンプリーション・バイ・コレクション(Completion-by-Correction)を提案する。
  論文  参考訳（メタデータ） (2025-11-15T11:51:13Z)
• PRGCN: A Graph Memory Network for Cross-Sequence Pattern Reuse in 3D Human Pose Estimation [18.771349697842947]
  本稿では、パターン検索と適応の問題としてポーズ推定を形式化する新しいフレームワークであるパターン再利用グラフ変換ネットワーク(PRGCN)を紹介する。 PRGCNのコアとなるグラフメモリバンクは、リレーショナルグラフとして符号化された一連のコンパクトなポーズプロトタイプを学習し、格納する。 PRGCNは,それぞれ37.1mm,13.4mmのMPJPEを達成し,クロスドメインの一般化能力の向上を図っている。
  論文  参考訳（メタデータ） (2025-10-22T11:12:07Z)
• Dense Semantic Matching with VGGT Prior [49.42199006453071]
  本稿では,VGGTの本質的な強みを,初期の特徴段階を再利用し,後続の特徴段階を微調整し,双方向対応のための意味的頭部を追加することによって維持するアプローチを提案する。 提案手法は, 従来のベースラインよりも優れた幾何認識, 整合性, および多様体保存を実現する。
  論文  参考訳（メタデータ） (2025-09-25T14:56:11Z)
• Sparse-View 3D Reconstruction: Recent Advances and Open Challenges [0.8583178253811411]
  濃密な画像取得が不可能なアプリケーションには,スパースビュー3D再構成が不可欠である。 この調査は、ニューラル暗黙のモデルと明示的なポイントクラウドベースのアプローチの最新の進歩をレビューする。 我々は, 幾何正規化, 明示的な形状モデリング, 生成的推論がアーティファクトの緩和にどのように利用されているかを分析する。
  論文  参考訳（メタデータ） (2025-07-22T09:57:28Z)
• Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
  ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。 手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。 生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:19:00Z)
• 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)
• Reconstructing Topology-Consistent Face Mesh by Volume Rendering from Multi-View Images [71.20113392204183]
  産業用3Dフェイスアセット作成は通常、下流生産のために多視点画像からトポロジに一貫性のあるフェイスメッシュを再構築する。 NeRFは3次元再構成において、シーンを密度場と放射場として表現することで大きな利点を示した。 多視点画像からアーティストが作ったテンプレートフェイスメッシュの形状を最適化するために,明示的メッシュとニューラルボリュームレンダリングを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-08T15:25:50Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)

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。