論文の概要: Spline-Based Boundary Representations for Sparse View Reconstruction and Simulation Using Isogeometric Analysis

• arxiv url: http://arxiv.org/abs/2607.26234v1
• Date: Tue, 28 Jul 2026 20:14:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.464261
• Title: Spline-Based Boundary Representations for Sparse View Reconstruction and Simulation Using Isogeometric Analysis
• Title（参考訳）: 等尺的解析を用いたスパースビュー再構成とシミュレーションのためのスプラインベース境界表現
• Abstract要約: FORGE-SIMは手動で介入することなくスパースポーズされたRGB画像からマルチパッチBスプライン境界表現を再構築する手法である。 得られたモデルが十分に高品質であることを示し、熱シミュレーションとモーダル解析を可能にした。
• 参考スコア（独自算出の注目度）: 20.10010147568051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image-based reconstruction aims to recover three-dimensional geometry from images. Recent advances have enabled the recovery of visually detailed models, yet their representations are not well-suited for numerical simulation. Simulation frameworks typically require explicit, watertight, and smooth geometries to ensure numerical robustness and accuracy, properties that surfaces extracted from image-based reconstructions lack. We propose FORGE-SIM, a method to directly reconstruct a multi-patch B-spline boundary representation from sparse posed RGB images without manual intervention. By optimizing the spline representation itself, our approach produces compact, smooth, and watertight geometries that are natively compatible with both Computer Aided Design and simulation workflows. Additionally, we introduce a strategy to project observation-derived fields, such as a thermal state and semantic information, onto the reconstructed models in the same spline basis, enabling immediate use in simulation. We demonstrate that the obtained models are of sufficiently high quality to enable thermal simulation and modal analysis. By unifying image-based reconstruction and simulation-ready modeling within a single optimization framework, this work removes a long-standing barrier between computer vision and numerical analysis. We anticipate that it will enable new workflows for simulation-driven design, inspection, and digital twin applications.
• Abstract（参考訳）: 画像に基づく再構成は、画像から3次元幾何学を復元することを目的としている。 近年の進歩により、視覚的詳細モデルの回復が可能になったが、それらの表現は数値シミュレーションには適していない。 シミュレーションフレームワークは通常、画像ベースの再構成から抽出された表面の特性である、数値的な堅牢性と正確性を保証するために、明示的で重厚で滑らかなジオメトリを必要とする。 本稿では,手動による介入を伴わないスパースポーズRGB画像から,マルチパッチB-スプライン境界表現を直接再構築するFOGE-SIMを提案する。 スプライン表現自体を最適化することにより、コンピュータ支援設計とシミュレーションワークフローの両方とネイティブに互換性のあるコンパクトで滑らかで水密なジオメトリを生成する。 さらに, 熱状態や意味情報などの観測由来のフィールドを, 同じスプラインベースで再構成したモデルに投影し, シミュレーションの即時利用を可能にする手法を提案する。 得られたモデルが十分に高品質であることを示し、熱シミュレーションとモーダル解析を可能にした。 画像に基づく再構成とシミュレーション可能なモデリングを単一の最適化フレームワークに統合することにより、コンピュータビジョンと数値解析の長期的な障壁を取り除くことができる。 シミュレーション駆動設計、検査、デジタルツインアプリケーションのための新しいワークフローを可能にすることを期待する。

関連論文リスト

• HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions [69.43316445143408]
  HSImul3Rはヒトとシーンの相互作用をシミュレーション可能な3次元再構成のための統合フレームワークである。 既存の手法は知覚とシミュレーションのギャップに悩まされており、物理エンジンの不安定性と、具体化されたAIアプリケーションの失敗につながっている。
  論文  参考訳（メタデータ） (2026-03-16T17:58:33Z)
• URDF-Anything+: Autoregressive Articulated 3D Models Generation for Physical Simulation [45.4820195450296]
  本稿では,視覚的観察から実行可能なオブジェクトモデルを直接生成する,エンドツーエンドの自動回帰フレームワークを提案する。 視覚的観察から構築された高忠実度デジタル双生児は、シミュレーションで訓練されたポリシーを、オンライン適応なしで実際のロボットに転送することができる。
  論文  参考訳（メタデータ） (2026-03-14T16:23:44Z)
• SMART: Scalable Mesh-free Aerodynamic Simulations from Raw Geometries using a Transformer-based Surrogate Model [22.03373840985233]
  機械学習に基づく代理モデル(英語版)は、車体のような複雑な地形上の物理シミュレーションのための数値解法よりも効率的な代替品として登場した。 シミュレーションメッシュへのアクセスを必要とせず、幾何学のポイントクラウド表現のみを用いて任意のクエリロケーションで物理量を予測するニューラルネットワーク・サロゲートモデルSMARTを導入する。 広範囲にわたる実験によると、SMARTは入力としてシミュレーションメッシュに依存する既存の手法と競合し、しばしば性能を上回り、業界レベルのシミュレーションの能力を実証している。
  論文  参考訳（メタデータ） (2026-01-26T17:34:16Z)
• Integrated Pipeline for Monocular 3D Reconstruction and Finite Element Simulation in Industrial Applications [1.3908352231737158]
  本稿では,モノクロ映像,有限要素シミュレーション解析,複合現実視表示に基づく高忠実度3次元再構成を統合した統合ワークフローを提案する。 実験により, 精度を高く保ちながら, シミュレーション効率と可視化効果が良好であることが確認された。
  論文  参考訳（メタデータ） (2025-06-16T14:57:05Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Efficient Visual State Space Model for Image Deblurring [99.54894198086852]
  畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)は、画像復元において優れた性能を発揮している。 本稿では,画像のデブロアに対する簡易かつ効果的な視覚状態空間モデル(EVSSM)を提案する。 提案したEVSSMは、ベンチマークデータセットや実世界の画像に対する最先端の手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-05-23T09:13:36Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Informal Safety Guarantees for Simulated Optimizers Through Extrapolation from Partial Simulations [0.0]
  自己教師付き学習は、最先端の言語モデリングのバックボーンである。 自己教師付きデータセットにおける予測損失を伴うトレーニングはシミュレータを引き起こすと論じられている。
  論文  参考訳（メタデータ） (2023-11-29T09:32:56Z)
• Near-realtime Facial Animation by Deep 3D Simulation Super-Resolution [7.14576106770047]
  本稿では,低コストでリアルタイムな物理シミュレーションによって生み出す顔のパフォーマンスを効率よく,現実的に向上させるニューラルネットワークに基づくシミュレーションフレームワークを提案する。 顔のアニメーションをこのようなシミュレーション領域の例に用いて,2つのシミュレータで同じ筋の運動制御と骨格のポーズを単純にダイヤルすることで,この意味の一致を創り出すことができる。 提案するニューラルネットワーク超解像フレームワークは,このトレーニングセットから未確認表現を一般化し,リアルタイム変種における解像度の制限やコスト削減近似による2つのシミュレーション間の不一致をモデル化するための補償を行うとともに,意味記述子やパラメータを必要としない。
  論文  参考訳（メタデータ） (2023-05-05T00:09:24Z)
• SIDER: Single-Image Neural Optimization for Facial Geometric Detail Recovery [54.64663713249079]
  SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。 以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
  論文  参考訳（メタデータ） (2021-08-11T22:34:53Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)
• PaMIR: Parametric Model-Conditioned Implicit Representation for Image-based Human Reconstruction [67.08350202974434]
  本研究では,パラメトリックボディモデルと自由形深部暗黙関数を組み合わせたパラメトリックモデル記述型暗黙表現(PaMIR)を提案する。 本手法は, 挑戦的なポーズや衣料品のタイプにおいて, 画像に基づく3次元再構築のための最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-07-08T02:26:19Z)

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。