核心概念
少数の画像から点群を再構築し、点群レンダリングの拡散ベースのフィルタリングを使用して点群の雑音を除去する手法を提案する。
摘要
本論文では、少数の画像から点群を再構築し、点群レンダリングの拡散ベースのフィルタリングを使用して点群の雑音を除去する手法を提案している。
まず、少数の観測画像から点群を再構築するために、セマンティック一貫性の正則化項を導入している。これにより、制約された設定でも構造的により正確な点群を再構築できる。
次に、拡散モデルベースのネットワークを提案し、点群レンダリングの潜在表現から雑音を除去する。従来のGANベースのモデルとは異なり、単一のモデルで様々な雑音分布に対応でき、メッシュの色にも依存しない。
実験の結果、提案手法は少数の観測画像から高品質の3D再構築を行え、また点群の雑音除去においても従来手法を上回る性能を示した。
統計資料
少数の観測画像(8枚)から再構築した点群のChamfer Distance(CD)は0.004207
観測画像を16枚に増やすとCDは0.002045に改善
提案手法のCDは0.001282で、従来手法よりも優れている
引述
"我々は少数の画像から点群を再構築し、点群レンダリングの拡散ベースのフィルタリングを使用して点群の雑音を除去する手法を提案する。"
"セマンティック一貫性の正則化項を導入することで、制約された設定でも構造的により正確な点群を再構築できる。"
"拡散モデルベースのネットワークを提案し、点群レンダリングの潜在表現から雑音を除去する。従来のGANベースのモデルとは異なり、単一のモデルで様々な雑音分布に対応でき、メッシュの色にも依存しない。"