NutritionVerse-Thin: An Optimized Strategy for Enabling Improved Rendering of 3D Thin Food Models

要約

タイトル：NutritionVerse-Thin：3D薄い食品モデルのレンダリング改善のための最適化戦略

要約：
– 生成モデルの能力が向上するに伴い、一般的な3D食品アイテムのフォトリアルなレンダリングを使用して、食品印刷、栄養予測、食品廃棄物の管理などの下流タスクを改善することに関心が高まっています。
– NeRFベースの視点合成の成功により、3Dモデリングの能力が今まで以上にアクセス可能になりましたが、このレンダリング方法は、薄い食品オブジェクトを正しくキャプチャすることに苦労し、重大な穴があるメッシュを生成することがよくあります。
– 本研究では、薄い3D食品モデルのレンダリングを改善する最適化戦略を提案し、レンダリング品質の質的改善を実証します。
– 当社の方法は、提案された薄物最適化可能な微分再構成法によって3Dモデルメッシュを生成し、データ収集とトレーニングの段階で両方の戦略を調整して、薄いオブジェクトをより良く処理します。
– 単純ながら、この技術は薄い3Dオブジェクトを迅速かつ高度に一貫してキャプチャできることがわかりました。

要約(オリジナル)

With the growth in capabilities of generative models, there has been growing interest in using photo-realistic renders of common 3D food items to improve downstream tasks such as food printing, nutrition prediction, or management of food wastage. Despite 3D modelling capabilities being more accessible than ever due to the success of NeRF based view-synthesis, such rendering methods still struggle to correctly capture thin food objects, often generating meshes with significant holes. In this study, we present an optimized strategy for enabling improved rendering of thin 3D food models, and demonstrate qualitative improvements in rendering quality. Our method generates the 3D model mesh via a proposed thin-object-optimized differentiable reconstruction method and tailors the strategy at both the data collection and training stages to better handle thin objects. While simple, we find that this technique can be employed for quick and highly consistent capturing of thin 3D objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI