SepicNet: Sharp Edges Recovery by Parametric Inference of Curves in 3D Shapes

要約

タイトル：SepicNet：3D形状の曲線のパラメトリック推論によるシャープエッジの回復

要約：

– 3Dスキャンは、オブジェクトをデジタル化し、その3Dモデルを作成する技術として、多くの分野や領域で使用されています。
– 3Dスキャナーの技術的特性によって、3Dスキャンの品質は異なりますが、一般的な欠点として、微細な詳細やオブジェクトのエッジの平滑化があります。
– SepicNetは、3D形状のシャープエッジを原始曲線として検出およびパラメータ化するための革新的なディープネットワークです。
– ネットワークをエンドツーエンドでトレーニング可能にするために、曲線フィッティングを微分可能な方法で定式化します。
– 均一なサンプリングよりもシャープな機能をよりよくキャプチャする適応型ポイントクラウドサンプリング技術を開発します。
– 試験は、50kの3Dスキャンの新しい大規模データセットで実施され、シャープエッジの注釈はパラメトリックCADモデルから抽出され、最新の方法よりも著しい改善を示しています。

要約(オリジナル)

3D scanning as a technique to digitize objects in reality and create their 3D models, is used in many fields and areas. Though the quality of 3D scans depends on the technical characteristics of the 3D scanner, the common drawback is the smoothing of fine details, or the edges of an object. We introduce SepicNet, a novel deep network for the detection and parametrization of sharp edges in 3D shapes as primitive curves. To make the network end-to-end trainable, we formulate the curve fitting in a differentiable manner. We develop an adaptive point cloud sampling technique that captures the sharp features better than uniform sampling. The experiments were conducted on a newly introduced large-scale dataset of 50k 3D scans, where the sharp edge annotations were extracted from their parametric CAD models, and demonstrate significant improvement over state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI