論文の概要: SHARC: Reference point driven Spherical Harmonic Representation for Complex Shapes

• arxiv url: http://arxiv.org/abs/2604.01894v1
• Date: Thu, 02 Apr 2026 10:59:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.696367
• Title: SHARC: Reference point driven Spherical Harmonic Representation for Complex Shapes
• Title（参考訳）: SHARC:複素形状に対する基準点駆動球面高調波表現
• Authors: Panagiotis Sapoutzoglou, George Terzakis, Maria Pateraki,
• Abstract要約: 距離場の球面調和表現の集合を用いて任意の属非依存形状を合成するフレームワークSHARCを提案する。 選択された基準点ごとに、光線キャストによる表面形状の可視距離場をサンプリングし、SH係数を算出する。 最先端手法に対するSHARCの評価は,提案手法が再現精度と時間効率の両方において既存手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 3.0459410574367314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose SHARC, a novel framework that synthesizes arbitrary, genus-agnostic shapes by means of a collection of Spherical Harmonic (SH) representations of distance fields. These distance fields are anchored at optimally placed reference points in the interior volume of the surface in a way that maximizes learning of the finer details of the surface. To achieve this, we employ a cost function that jointly maximizes sparsity and centrality in terms of positioning, as well as visibility of the surface from their location. For each selected reference point, we sample the visible distance field to the surface geometry via ray-casting and compute the SH coefficients using the Fast Spherical Harmonic Transform (FSHT). To enhance geometric fidelity, we apply a configurable low-pass filter to the coefficients and refine the output using a local consistency constraint based on proximity. Evaluation of SHARC against state-of-the-art methods demonstrates that the proposed method outperforms existing approaches in both reconstruction accuracy and time efficiency without sacrificing model parsimony. The source code is available at https://github.com/POSE-Lab/SHARC.
• Abstract（参考訳）: 距離場の球高調波(SH)表現の集合を用いて任意の属非依存形状を合成する新しいフレームワークSHARCを提案する。 これらの距離場は、表面のより微細な詳細の学習を最大化する方法で、表面の内部体積に最適に配置された基準点に固定される。 これを実現するために、位置決めの点において空間と中心性を両立させるコスト関数と、位置から表面の視認性を両立させるコスト関数を用いる。 選択した基準点ごとに、光線キャストによる表面形状の可視距離場をサンプリングし、FSHT(Fast Spherical Harmonic Transform)を用いてSH係数を算出する。 幾何学的忠実度を高めるため, 構成可能な低域通過フィルタを係数に適用し, 近接性に基づく局所的整合性制約を用いて出力を洗練する。 SHARCの最先端手法に対する評価は,提案手法がモデルパーシモニーを犠牲にすることなく,再現精度と時間効率の両方において既存手法よりも優れていることを示す。 ソースコードはhttps://github.com/POSE-Lab/SHARCで公開されている。

関連論文リスト

• Shape Representation using Gaussian Process mixture models [2.7882300801098037]
  本稿では,ガウス過程(GP)混合モデルを用いて表面形状をモデル化する,新しいオブジェクト指向機能形状表現を提案する。 提案手法は軽量であり, GPを用いて, 粗いサンプル点群から連続方向距離場を学習する。
  論文  参考訳（メタデータ） (2026-04-01T13:11:12Z)
• SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
  我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。 本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
  論文  参考訳（メタデータ） (2025-11-21T16:32:01Z)
• Geometric Operator Learning with Optimal Transport [77.16909146519227]
  複素測地上での偏微分方程式(PDE)に対する演算子学習に最適輸送(OT)を統合することを提案する。 表面に焦点を当てた3次元シミュレーションでは、OTベースのニューラルオペレーターが表面形状を2次元パラメータ化潜在空間に埋め込む。 ShapeNet-Car と DrivAerNet-Car を用いたレイノルズ平均化 Navier-Stokes 方程式 (RANS) を用いた実験により,提案手法は精度の向上と計算コストの削減を図った。
  論文  参考訳（メタデータ） (2025-07-26T21:28:25Z)
• Approximating Signed Distance Fields of Implicit Surfaces with Sparse Ellipsoidal Radial Basis Function Networks [2.1095001084842595]
  暗示表面の符号付き距離関数(SDF)の正確な表現は、3次元幾何学の効率的な記憶、計算、下流処理に不可欠である。 比較的少数の楕円基底関数(ERBF)を用いて暗黙曲面のSDF場を近似する一般学習法を提案する。 提案手法は,既存の暗黙的表現手法よりもパラメータが少なく,精度,堅牢性,計算効率を向上できる。
  論文  参考訳（メタデータ） (2025-05-05T04:16:16Z)
• Learning Bijective Surface Parameterization for Inferring Signed Distance Functions from Sparse Point Clouds with Grid Deformation [50.26314343851213]
  疎点雲から符号付き距離関数(SDF)を推定することは、表面再構成の課題である。 本稿では,SDFをエンドツーエンドに予測するために動的変形ネットワークを学習する新しい手法を提案する。 合成および実スキャンデータを用いた実験結果から,本手法は最先端の手法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） (2025-03-31T02:27:02Z)
• PINGS: Gaussian Splatting Meets Distance Fields within a Point-Based Implicit Neural Map [34.22000127126521]
  本稿では,連続符号付き距離場とガウススプラッティング放射場を統一した新しい写像表現を提案する。 本稿では,提案した地図表現を用いたPINGSと呼ばれる新しいLiDAR-visual SLAMシステムを提案する。
  論文  参考訳（メタデータ） (2025-02-09T03:06:19Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• Arbitrary-Scale Point Cloud Upsampling by Voxel-Based Network with Latent Geometric-Consistent Learning [52.825441454264585]
  Voxel-based Network (textbfPU-VoxelNet) を用いた任意のスケールのクラウド・アップサンプリング・フレームワークを提案する。 ボクセル表現から継承された完全性と規則性により、ボクセルベースのネットワークは3次元表面を近似する事前定義されたグリッド空間を提供することができる。 密度誘導グリッド再サンプリング法を開発し、高忠実度点を生成するとともに、サンプリング出力を効果的に回避する。
  論文  参考訳（メタデータ） (2024-03-08T07:31:14Z)
• Deep Implicit Surface Point Prediction Networks [49.286550880464866]
  暗黙の関数としての3次元形状の深い神経表現は、高忠実度モデルを生成することが示されている。 本稿では,CSP(Nest Surface-point)表現と呼ばれる新しい種類の暗黙の表現を用いて,そのような曲面をモデル化する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-10T14:31:54Z)

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。