点群からの表面再構成のための符号付き距離関数の学習におけるトポロジカルな制約の利用

• Item type: SIG Technical Reports(1)
• 公開日: 2022-03-03
• タイトル: 点群からの表面再構成のための符号付き距離関数の学習におけるトポロジカルな制約の利用
• タイトル / 言語: en
• タイトル: Using topological constraints in learning signed distance functions for surface reconstruction from point clouds
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: セッション4-B
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 現在，北海道大学大学院情報科学院
• 著者所属: 現在，株式会社ALBERT
• 著者所属(英): en
• 著者所属(英): Presently with Hokkaido University
• 著者所属(英): en
• 著者所属(英): Presently with ALBERT Inc.
• 著者名: 中島, 直道; 古川, 遼
• 著者名(英): Naomichi, Nakajima; Ryo, Furukawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，点群データからの 3 次元物体の表面の再構成を行う際に，表面を表現する陰関数の一つである物体の符号付き距離関数 (SDF) をニューラルネットワークで近似する手法が盛んに研究されている．多くのニューラルネットワークによる近似手法における課題の一つは，表面の大域的な幾何的性質が望ましいものになる保証がないことである．本論文では，向き情報を持たない点群から物体の表面再構成を行うタスクにおいて，表面の大域的かつトポロジカルな性質である連結性の制約を損失関数を通して導入し，ニューラルネットワークで符号付き距離関数を追加学習する方法を提案する．従来の連結性の制約を課す損失関数を用いた形状学習・修正方法に比べて，提案手法ではより直接的かつ効率的に制約を反映する工夫を行う．我々は，この手法を 3 次元の形状データセットを用いて実験し，再構成された表面の連結性と元の点群との差異を調査した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, for the surface reconstruction of a 3-dimensional object from point cloud data, methods to approximate the signed distance function (SDF) of an object, which is one of the implicit functions representing the surface, by neural networks have been actively researched. One of the problems in many neural network approximation methods is that there is no guarantee that desired global geometric properties of a surface are satisfied. In this paper, in the task of a surface reconstruction of an object from a point cloud without normal information, we propose a method for additionally learning the signed distance function with a neural network by introducing the connectivity constraint, which is a global and topological property of a surface, through a loss function. Compared with the conventional shape learning and modification methods using loss functions that impose connectivity constraints, the proposed method devises a more direct and efficient way to reflect the constraint. We have experimented with this method on 3-dimensional shape datasets to investigate the connectivity of the reconstructed surface and the difference from the original point cloud.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2022-CVIM-229, 号 25, p. 1-8, 発行日 2022-03-03
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会