論文の概要: High-fidelity Multi-view Normal Integration with Scale-encoded Neural Surface Representation

• arxiv url: http://arxiv.org/abs/2603.20337v1
• Date: Fri, 20 Mar 2026 08:58:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.850335
• Title: High-fidelity Multi-view Normal Integration with Scale-encoded Neural Surface Representation
• Title（参考訳）: スケール符号化ニューラルサーフェス表現を用いた高忠実度多視点正規化
• Authors: Tongyu Yang, Heng Guo, Yasuyuki Matsushita, Fumio Okura, Yu Luo, Xin Fan,
• Abstract要約: 本稿では, 画素被覆面積をニューラル表現に組み込んだ, スケール符号化されたニューラルサーフェス表現を提案する。 本手法は,各3次元点を空間的スケールに関連付け,ハイブリッドグリッドを用いた符号化から正規度を計算することにより,様々な距離で捕獲された多次元表面正規度を効果的に表現する。
• 参考スコア（独自算出の注目度）: 33.628831556211225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Previous multi-view normal integration methods typically sample a single ray per pixel, without considering the spatial area covered by each pixel, which varies with camera intrinsics and the camera-to-object distance. Consequently, when the target object is captured at different distances, the normals at corresponding pixels may differ across views. This multi-view surface normal inconsistency results in the blurring of high-frequency details in the reconstructed surface. To address this issue, we propose a scale-encoded neural surface representation that incorporates the pixel coverage area into the neural representation. By associating each 3D point with a spatial scale and calculating its normal from a hybrid grid-based encoding, our method effectively represents multi-scale surface normals captured at varying distances. Furthermore, to enable scale-aware surface reconstruction, we introduce a mesh extraction module that assigns an optimal local scale to each vertex based on the training observations. Experimental results demonstrate that our approach consistently yields high-fidelity surface reconstruction from normals observed at varying distances, outperforming existing multi-view normal integration methods.
• Abstract（参考訳）: 従来のマルチビュー標準積分法は、通常、各ピクセルがカバーする空間面積を考慮せずに、1ピクセルあたりの1光線をサンプリングする。 したがって、対象オブジェクトが異なる距離でキャプチャされると、対応するピクセルの正規値はビューによって異なる可能性がある。 この多視点表面の正常不整合は、再構成された表面における高周波詳細のぼやけを引き起こす。 この問題に対処するために,我々は,画素被覆面積をニューラル表現に組み込んだ,スケール符号化されたニューラルサーフェス表現を提案する。 本手法は,各3次元点を空間スケールに関連付け,ハイブリッドグリッドを用いた符号化から正規度を計算することにより,様々な距離で捕獲された多次元表面正規度を効果的に表現する。 さらに,トレーニング観測に基づいて各頂点に最適な局所スケールを割り当てるメッシュ抽出モジュールを導入する。 実験結果から,本手法は様々な距離で観測された正常値から連続的に高忠実度表面再構成を導出し,既存の多視点正規積分法より優れていた。

関連論文リスト

• WorldMirror: Universal 3D World Reconstruction with Any-Prior Prompting [51.69408870574092]
  汎用的な3次元幾何予測タスクのためのオールインワンフィードフォワードモデルであるWorldMirrorを提案する。 我々のフレームワークは、カメラのポーズ、内在性、深度マップなど、様々な幾何学的先入観を柔軟に統合する。 WorldMirrorは、カメラ、ポイントマップ、深さ、表面正規推定から新しいビュー合成に至るまで、さまざまなベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-12T17:59:09Z)
• Multi-view Normal and Distance Guidance Gaussian Splatting for Surface Reconstruction [2.760653393100493]
  3D Gaussian Splatting (3DGS) は表面再構成の分野で顕著な成果を上げている。 しかし、ガウス正規ベクトルが単視点射影平面内に配置されているとき、現在のビューでは幾何は妥当であるように見えるが、近くのビューに切り替えるとバイアスが現れるかもしれない。 我々は,近傍のビューにおける画素点の正規値と一致させ,損失を計算することで,ビュー間の整合性を確保するマルチビュー正規拡張モジュールを開発した。
  論文  参考訳（メタデータ） (2025-08-11T07:25:13Z)
• 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)
• An Adaptive Screen-Space Meshing Approach for Normal Integration [0.0]
  この研究は、画像領域に適応的な表面三角測量を導入し、その後、三角形メッシュ上で通常の積分を行う。 曲率に基づいて、平坦な領域を識別し、画素を三角形に集約する。 ピクセルグリッドと比較して、トライアングルメッシュは表面の詳細に局所的に適応し、スペーサー表現を可能にします。
  論文  参考訳（メタデータ） (2024-09-25T13:12:58Z)
• Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
  多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。 近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。 本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
  論文  参考訳（メタデータ） (2023-09-14T12:05:29Z)
• Multi-View Stereo Representation Revisit: Region-Aware MVSNet [8.264851594332677]
  深層学習に基づく多視点ステレオは,全幾何学的詳細オブジェクトを多視点から再構成するための強力なパラダイムとして登場した。 本研究では, RA-MVSNetを用いて, モデルがより広い範囲の表面を知覚できるように, 点-面間距離の利点を生かし, RA-MVSNetを提案する。 提案するRA-MVSNetは,表面のパッチと仮説平面を関連付けることにより知覚範囲が拡張されるため,パッチアワードである。
  論文  参考訳（メタデータ） (2023-04-26T15:17:51Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
  多視点画像観測による材料と照明の協調最適化手法を提案する。 従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
  論文  参考訳（メタデータ） (2021-11-24T13:58:20Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。