論文の概要: Diffusion-Driven Inter-Outer Surface Separation for Point Clouds with Open Boundaries

• arxiv url: http://arxiv.org/abs/2602.00739v1
• Date: Sat, 31 Jan 2026 14:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.364603
• Title: Diffusion-Driven Inter-Outer Surface Separation for Point Clouds with Open Boundaries
• Title（参考訳）: 開境界を持つ点雲に対する拡散駆動型外面分離
• Authors: Zhengyan Qin, Liyuan Qiu,
• Abstract要約: そこで本研究では,二層化点雲から層間および層間を分離する拡散型アルゴリズムを提案する。 このソリューションは、屋内シーンモデリングや医用画像などの正確な表面表現を必要とするアプリケーションに特に有効である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a diffusion-based algorithm for separating the inter and outer layer surfaces from double-layered point clouds, particularly those exhibiting the "double surface artifact" caused by truncation in Truncated Signed Distance Function (TSDF) fusion during indoor or medical 3D reconstruction. This artifact arises from asymmetric truncation thresholds, leading to erroneous inter and outer shells in the fused volume, which our method addresses by extracting the true inter layer to mitigate challenges like overlapping surfaces and disordered normals. We focus on point clouds with \emph{open boundaries} (i.e., sampled surfaces with topological openings/holes through which particles may escape), rather than point clouds with \emph{missing surface regions} where no samples exist. Our approach enables robust processing of both watertight and open-boundary models, achieving extraction of the inter layer from 20,000 inter and 20,000 outer points in approximately 10 seconds. This solution is particularly effective for applications requiring accurate surface representations, such as indoor scene modeling and medical imaging, where double-layered point clouds are prevalent, and it accommodates both closed (watertight) and open-boundary surface geometries. Our goal is \emph{post-hoc} inter/outer shell separation as a lightweight module after TSDF fusion; we do not aim to replace full variational or learning-based reconstruction pipelines.
• Abstract（参考訳）: 本稿では,2層間および外層間の表面を2層間から分離する拡散型アルゴリズムを提案する。特に,室内および医用3次元再構成におけるTrncated Signed Distance Function (TSDF) 融合における切断に起因する「二重表面アーティファクト」を示す。 このアーティファクトは非対称な乱れしきい値から発生し, 重なり合う表面や乱れの正常さといった課題を軽減するために, 真の中間層を抽出することにより, 融解体積の非対称な内殻と外殻に対処する。 我々は、サンプルが存在しない点雲ではなく、「emph{open boundary}」を持つ点雲(すなわち、粒子が脱出する可能性のある位相的開口孔を持つサンプル曲面)に焦点を当てる。 提案手法は水密モデルとオープンバウンダリモデルの両方のロバストな処理を可能にし,約10秒で20,000のインターポイントと20,000の外部ポイントからインターレイヤを抽出する。 このソリューションは、屋内シーンモデリングや医用画像などの正確な表面表現を必要とするアプリケーションでは特に有効であり、二重層状点雲が一般的であり、クローズド(水密)とオープンバウンダリな表面ジオメトリーの両方に対応している。 TSDF融合後の軽量モジュールとしてのemph{post-hoc}インター/outerシェル分離を目標としています。

関連論文リスト

• S2ML: Spatio-Spectral Mutual Learning for Depth Completion [56.26679539288063]
  RGB-Dカメラで撮影した生深度画像は、弱い反射、境界影、アーティファクトによって不完全な深度値に悩まされることが多い。 既存の手法では、画像領域の深度補完によってこの問題に対処するが、それらは生の深度画像の物理的特性を見落としている。 本研究では,空間領域と周波数領域の両方の利点を両立させるため,S2ML(Spatio-Spectral Mutual Learning framework)を提案する。
  論文  参考訳（メタデータ） (2025-11-08T15:01:55Z)
• SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling [79.56581753856452]
  SparseFlexは、新しいスパース構造のアイソサーフェス表現で、レンダリング損失から最大10243ドルの解像度で、差別化可能なメッシュ再構築を可能にする。 SparseFlexは、高解像度で差別化可能なメッシュ再構成とレンダリングロスによる生成を可能にすることで、3D形状の表現とモデリングの最先端性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-27T17:46:42Z)
• Volumetric Surfaces: Representing Fuzzy Geometries with Layered Meshes [59.17785932398617]
  高品質なビュー合成はボリュームレンダリング、スプレイティング、サーフェスレンダリングに依存している。 実時間ビュー合成のための新しい表現として,サンプリング位置の個数が小さく,有界であることを示す。 我々は、オブジェクトを半透明な多層メッシュとして固定順序で表現することで、これを実現する。
  論文  参考訳（メタデータ） (2024-09-04T07:18:26Z)
• DiffCD: A Symmetric Differentiable Chamfer Distance for Neural Implicit Surface Fitting [39.510392485356284]
  片側チャンファー距離の近似を最小化することにより,最先端技術が動作することを示す。 その結果、既存の方法では、粗い表面を持つ不正確な再構築が可能である。 対称チャンファー距離に対応する新しい損失関数であるDiffCDを提案する。
  論文  参考訳（メタデータ） (2024-07-24T07:36:33Z)
• Surface Reconstruction from Point Clouds via Grid-based Intersection Prediction [12.329450385760051]
  本稿では,点対の線分と暗黙曲面との交点を直接予測する手法を提案する。 提案手法は,ShapeNet,MGN,ScanNetの3つのデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2024-03-21T02:31:17Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• MeshUDF: Fast and Differentiable Meshing of Unsigned Distance Field Networks [68.82901764109685]
  3次元オープンサーフェスモデリングによる深部ニューラルネットワークの非符号距離場(UDF)近似に関する研究 本研究では, 平面交差を局所的に検出することにより, 深部UDFを開放面としてマーチング立方体の拡張により直接メッシュ化することを提案する。 本手法は高密度の点雲のメッシュよりも桁違いに高速であり,開面の膨張よりも高精度である。
  論文  参考訳（メタデータ） (2021-11-29T14:24:02Z)
• Depth Completion with Twin Surface Extrapolation at Occlusion Boundaries [16.773787000535645]
  前景深度と背景深度の両方を明示的にモデル化するマルチ仮説深度表現を提案する。 この手法の鍵となるのは、新しい双曲面表現で機能する非対称損失関数の利用である。 メソッドを3つの異なるデータセットで検証します。
  論文  参考訳（メタデータ） (2021-04-06T02:36:35Z)

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。