본 연구는 360도 보정된 카메라 리그에서 포착된 희소 뷰에서 3D 객체 표면을 효율적으로 재구성하는 새로운 방법을 제안한다. 제안 방법은 다음과 같은 핵심 특징을 가진다:
하이브리드 3D 표현: MLP 기반 암시적 표면 모델과 삼각형 메시를 결합한 하이브리드 모델을 사용한다. MLP 모델은 3D 공간을 암시적으로 표현하고, 메시는 렌더링을 위해 사용된다.
객체 중심 광선 샘플링: 기존 방법들이 각 카메라 뷰에 대해 별도의 3D 샘플을 사용하는 것과 달리, 제안 방법은 동일한 3D 샘플을 다중 뷰에 걸쳐 공유한다. 이를 통해 희소 뷰 설정에서도 과적합을 방지하고 효율적인 학습이 가능하다.
마스크 없이도 우수한 성능: 기존 방법들은 2D 객체 마스크를 추가적인 감독 정보로 사용하지만, 제안 방법은 마스크 없이도 정확한 3D 재구성을 달성할 수 있다.
실험 결과, 제안 방법은 Google's Scanned Objects, MVMC Car, Tank and Temples 데이터셋에서 희소 뷰 설정에서도 우수한 3D 재구성 성능을 보였다. 특히 마스크 없이도 우수한 성능을 달성하여, 제안 방법의 강건성을 입증하였다.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Llukman Cerk... ที่ arxiv.org 03-29-2024
https://arxiv.org/pdf/2309.03008.pdfสอบถามเพิ่มเติม