論文の概要: MAGE: View-guided Point Cloud Completion with Efficient Modality Alignment and Adaptive Geometry Enhancement

• arxiv url: http://arxiv.org/abs/2607.02568v1
• Date: Tue, 30 Jun 2026 05:25:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.328002
• Title: MAGE: View-guided Point Cloud Completion with Efficient Modality Alignment and Adaptive Geometry Enhancement
• Title（参考訳）: MAGE: 効率的なモダリティアライメントと適応幾何拡張を備えたビュー誘導ポイントクラウドコンプリート
• Authors: Weize Quan, Zhengwei Wu, Kai Wang, Dong-Ming Yan,
• Abstract要約: ビューベースのポイントクラウド補完は、部分的なポイントクラウドから完全な3D形状を復元することを目的としており、単一のビューイメージでガイドされている。 既存のアプローチは、弱いモダリティアライメントと限られた自己幾何学的拡張のために、しばしば限られたパフォーマンスに悩まされる。 本稿では,効率的なモダリティアライメントと適応的幾何拡張を統合した統合幾何認識フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 19.44604826924269
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: View-based point cloud completion aims to recover a complete 3D shape from a partial point cloud, guided by a single-view image. However, existing approaches often suffer from limited performance due to weak modality alignment and limited self-geometry enhancement. To overcome these challenges, we propose a unified geometry-aware framework that integrates efficient modality alignment and adaptive geometry enhancement, mainly to address cross-modal geometric inconsistency of view-guided point cloud completion. Specifically, we propose a geometry-aware modality alignment by integrating a shared self-attention Transformer and cross-modality reconstruction supervision, which aims to bring features of the image and point cloud close to each other in a shared latent space describing the 3D object. To enhance the perception of global shape and local geometric details, we propose an adaptive geometry-aware self-attention module, which simultaneously considers local geometry-aware attention computation and the spatially-variant feature fusion. In addition, we apply a geometry-perceptive anchor refinement module to reorganize the anchor points (representing a local region of the shape) under appropriate supervision, further boosting the completion performance of our method. Extensive experiments on both synthetic and real-world datasets demonstrate that our method achieves superior performance over existing approaches. Our code will be available at https://github.com/weizequan/MAGE.
• Abstract（参考訳）: ビューベースのポイントクラウド補完は、部分的なポイントクラウドから完全な3D形状を復元することを目的としており、単一のビューイメージでガイドされている。 しかしながら、既存のアプローチは、弱いモダリティアライメントと限られた自己幾何学的拡張のために、限られたパフォーマンスに悩まされることが多い。 これらの課題を克服するために、ビュー誘導点雲の完全化の相互整合性に対処するため、効率的なモダリティアライメントと適応幾何拡張を統合した統合幾何対応フレームワークを提案する。 具体的には、3Dオブジェクトを記述した共有潜在空間において、画像と点雲の特徴を互いに近接させることを目的とした、共有自己注意変換器と相互モダリティ再構成監視を統合した幾何学的モダリティアライメントを提案する。 グローバルな形状の認識と局所的な幾何学的詳細性を高めるため,局所幾何学的注意計算と空間変動的特徴融合を同時に考慮した適応幾何学的自己認識モジュールを提案する。 さらに,幾何知覚的アンカーリファインメントモジュールを用いて,適切な監督の下でアンカーポイント(形状の局所的な部分を表す)を再編成し,提案手法の完成性能をさらに向上させる。 合成および実世界の両方のデータセットに対する大規模な実験により,本手法が既存手法よりも優れた性能を発揮することが示された。 私たちのコードはhttps://github.com/weizequan/MAGE.comで公開されます。

関連論文リスト

• Artic-O: End-to-End Articulated Object Reconstruction via Latent Geometry Learning [105.35529379360186]
  Artic-Oは、音声によるオブジェクト再構成のためのエンドツーエンドのフィードフォワードフレームワークである。 スパース多状態観測を事前訓練された潜在幾何学空間にマッピングする。 凍結したフローマッチングデコーダは、可視構造と隠蔽構造の回復に先立って完全な形状を提供する。
  論文  参考訳（メタデータ） (2026-06-20T08:15:30Z)
• A Cross-view Fusion Framework for Robust 6-DoF Grasp Pose Estimation [34.48829831555172]
  クロスビュー融合フレームワークは、コーナービューにおける6-DoFグリップポーズ推定の堅牢性を高める。 本稿では,ポイントクラウドの機能の正規化にクロスビューアソシエーションを活用する,自己指導型コントラスト学習戦略を提案する。 このフレームワークは,GraspNet-1Billionベンチマークや実世界のアプリケーションで高い性能を発揮する。
  論文  参考訳（メタデータ） (2026-06-05T03:45:10Z)
• UniGeo: A Unified 3D Indoor Object Detection Framework Integrating Geometry-Aware Learning and Dynamic Channel Gating [20.395441875640955]
  我々はUniGeoと呼ばれる3次元屋内検出フレームワークを提案する。 まず,空間的関係から特徴量への学習可能なマッピングを確立する幾何学的学習モジュールを提案する。 そこで本研究では,学習可能なチャネルワイド重み付けを利用する動的チャネルゲーティング機構を提案する。
  論文  参考訳（メタデータ） (2026-01-30T06:15:50Z)
• 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)
• ESCAPE: Equivariant Shape Completion via Anchor Point Encoding [79.59829525431238]
  回転同変形状補完を実現するためのフレームワークであるESCAPEを紹介する。 ESCAPEは、形状からアンカーポイントを選択し、すべてのポイントを全てのアンカーポイントまでの距離として表現することで、独特の符号化戦略を採用している。 ESCAPEは任意の回転と翻訳をまたいだ堅牢で高品質な再構成を実現する。
  論文  参考訳（メタデータ） (2024-12-01T20:05:14Z)
• Geometry-guided Feature Learning and Fusion for Indoor Scene Reconstruction [14.225228781008209]
  本稿では3次元シーン再構成のための新しい幾何学的統合機構を提案する。 提案手法は,特徴学習,特徴融合,ネットワーク監視という3段階の3次元幾何学を取り入れている。
  論文  参考訳（メタデータ） (2024-08-28T08:02:47Z)
• Unsupervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
  MAL-UPCは、領域レベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークである。 我々のMAL-UPCは3Dの完全な監視を一切必要とせず、トレーニングセットにおける一視点部分的な観察のみを必要とする。
  論文  参考訳（メタデータ） (2024-07-13T06:53:39Z)

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。