論文の概要: ParCo-SDF: Learning Prior-Free Partial-to-Complete Signed Distance Fields of Deformable Objects
- arxiv url: http://arxiv.org/abs/2605.29417v1
- Date: Thu, 28 May 2026 06:09:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.842864
- Title: ParCo-SDF: Learning Prior-Free Partial-to-Complete Signed Distance Fields of Deformable Objects
- Title（参考訳）: ParCo-SDF: 変形可能な物体の事前自由部分-完全符号付き距離場を学習する
- Authors: Deokmin Hwang, Minseok Song, Daehyung Park,
- Abstract要約: 本研究は,変形性物体(DO)の部分的・完全的形状再構成を,点-雲観測から正確なDO操作へ向けたものである。
本稿では,2段階部分-完全符号距離場(SDF)再構成フレームワークであるParCo-SDFについて述べる。
時間エンコーダは、DOシーケンス全体の構造的類似性をキャプチャし、事前自由な安定したトレーニングを可能にする。
- 参考スコア（独自算出の注目度）: 8.571966339882616
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study addresses the partial-to-complete geometry reconstruction of deformable objects (DOs) from point-cloud observations toward precise DO manipulation. Recent DO reconstruction approaches often adopt implicit neural representations (INRs) to model continuous surfaces as well as capture structural variability. However, these methods typically rely on object-specific shape priors that improve training stability and limit generalization. To figure it out, we introduce ParCo-SDF, a two-stage partial-to-complete signed distance field (SDF) reconstruction framework consisting of temporal geometry encoding followed by FiLM-conditioned SDF prediction. The temporal encoder captures structural similarity across DO sequence, enabling prior-free stable training. FiLM-based conditioning preserves reconstruction expressivity while reducing network complexity. We evaluate the proposed method against a state-of-the-art DO surface reconstruction baseline on a rubber band manipulation dataset, demonstrating robust and high-fidelity reconstruction under severe occlusions.
- Abstract（参考訳）: 本研究は,変形性物体(DO)の部分的・完全的形状再構成を,点-雲観測から正確なDO操作へ向けたものである。
最近の DO 再構成手法では、連続した表面をモデル化し、構造的変動を捉えるために暗黙のニューラル表現 (INR) を用いることが多い。
しかし、これらの手法は通常、訓練の安定性を改善し、一般化を制限するオブジェクト固有の形状に頼っている。
そこで本研究では、時間的幾何符号化とFiLM条件付きSDF予測を組み合わせた2段階部分-完全符号距離場(SDF)再構成フレームワークであるParCo-SDFを紹介する。
時間エンコーダは、DOシーケンス全体の構造的類似性をキャプチャし、事前自由な安定したトレーニングを可能にする。
FiLMベースのコンディショニングは、ネットワークの複雑さを低減しつつ、再構成表現性を保ちます。
ゴムバンド操作データセット上での最先端のDO表面再構成ベースラインに対する提案手法の評価を行い, 厳密な閉塞下での頑健かつ高忠実な再構成を実証した。
関連論文リスト
- Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - \textit{4DSurf}: High-Fidelity Dynamic Scene Surface Reconstruction [53.82595920033838]
本稿では,ガウススプラッティング(GS)を用いた動的シーン表面再構成の問題に対処する。
汎用動的表面再構成のための新しい統一フレームワークである textit4DSurf' を提案する。
本手法は,シャンファー距離で49%,19%の最先端表面再構成法より優れる。
論文 参考訳（メタデータ） (2026-03-30T06:09:37Z) - StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。
我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。
スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T11:35:05Z) - Invariance on Manifolds: Understanding Robust Visual Representations for Place Recognition [19.200074425090595]
本稿では,2次幾何統計フレームワークを提案する。
提案手法では、固定されたトレーニング済みのバックボーン上に構築されたトレーニング不要のフレームワークを導入し、パラメータ更新なしで強力なゼロショット一般化を実現する。
論文 参考訳（メタデータ） (2026-01-31T18:12:29Z) - StructAlign: Structured Cross-Modal Alignment for Continual Text-to-Video Retrieval [75.28673512571449]
Continual Text-to-Video Retrievalの重要な課題はフィーチャードリフトだ。
我々はCTVRのための構造化クロスモーダルアライメント手法であるStructAlignを提案する。
我々の手法は、常に最先端の連続検索手法より優れています。
論文 参考訳（メタデータ） (2026-01-28T13:34:44Z) - Scale-Consistent State-Space Dynamics via Fractal of Stationary Transformations [9.983526161001997]
最近のディープラーニングモデルは、中間表現の妥当性に関する構造的な保証なしに、ますます深度に依存している。
我々は、状態空間モデルのスケール一貫性潜在力学の構造的要件を定式化することにより、この制限に対処する。
我々は予測されたスケール一貫性の挙動を実証的に検証し、適応効率がアライメントされた潜在幾何学から現れることを示す。
論文 参考訳（メタデータ） (2026-01-27T12:44:20Z) - Shrinking: Reconstruction of Parameterized Surfaces from Signed Distance Fields [2.1638817206926855]
符号付き距離場(SDF)から明示的パラメータ化曲面を再構成する新しい手法を提案する。
本手法では, パラメータ化初期球面を対象のSDF形状に適合させ, 微分可能性と表面パラメータ化を連続的に保持する。
これにより、テクスチャマッピング、幾何学処理、アニメーション、有限要素解析などの下流アプリケーションが可能になる。
論文 参考訳（メタデータ） (2024-10-04T03:39:15Z) - Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
再建された表面をニューラルネットワークを用いてアトラスとして表現する。
本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
論文 参考訳（メタデータ） (2021-04-14T16:21:22Z) - Supporting Optimal Phase Space Reconstructions Using Neural Network
Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。
私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文 参考訳（メタデータ） (2020-06-19T21:04:47Z)
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。