PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation Charles R. Qi, Hao Su, Kaichun Mo, Leonidas J. Guibas Abstract 포인트 클라우드는 기하학적 데이터 구조의 중요한 유형이다. 불규칙한 형식 때문에 대부분의 연구자들은 이러한 데이터를 일반 3D 복셀 그리드 또는 이미지 모음으로 변환한다. 그러나 이로 인해 불필요하게 많은 양의 데이터가 생성되어 문제가 발생합니다. 본 논문에서, 우리는 입력에 있는 점의 순열 불변성을 잘 존중하는 포인트 클라우드를 직접 소비하는 새로운 유형의 신경망을 설계한다. PointNet이라는 이름의 네트워크는 객체 분류, 부품 분할, 장면 의미 파싱에..

Volume Rendering of Neural Implicit Surfaces Lior Yariv, Jiatao Gu, Yoni Kasten, Yaron Lipman Abstract 신경 볼륨 렌더링은 희박한 입력 이미지 세트에서 장면의 새로운 뷰를 합성하는 데 성공했기 때문에 최근 인기가 높아지고 있다. 지금까지 신경용적 렌더링 기법으로 학습한 지오메트리는 일반밀도함수를 이용해 모델링했다. 또한 기하학 자체는 밀도 함수의 임의 수준 세트를 사용하여 추출되어 노이즈가 많고 종종 낮은 충실도의 재구성을 초래했다. 이 논문의 목표는 신경 볼륨 렌더링에서 지오메트리 표현 및 재구성을 개선하는 것이다. 우리는 부피 밀도를 기하학의 함수로 모델링함으로써 그것을 달성한다. 이것은 부피 밀도의 함수로 지오메트리를 ..

ViSER: Video-Specific Surface Embeddings for Articulated 3D Shape Reconstruction Gengshan Yang, Deqing Sun, Varun Jampani, Daniel Vlasic, Forrester Cole, Ce Liu, Deva Ramanan Abstract 단안 비디오에서 굴절된 3D 모양과 조밀한 3D 궤적을 복구하는 방법인 ViSER를 소개합니다. 동적 3D 모양의 고품질 재구성에 대한 이전 작업은 일반적으로 여러 카메라 보기, 강력한 범주별 사전 작업 또는 2D 키포인트 감독에 의존합니다. 2D 개체 마스크와 2프레임 광학 흐름만 입력으로 사용하여 비디오에서 장거리 대응을 안정적으로 추정할 수 있다면 이들 중 어느 것도 필요하지..

Towards real-time photorealistic 3D holography with deep neural networks Liang Shi, Beichen Li, Changil Kim, Petr Kellnhofer & Wojciech Matusik 지속적인 깊이 감각으로 3차원 (3D) 장면을 표현하는 기능은 가상 및 증강 현실, 인간-컴퓨터 상호 작용, 교육 및 훈련에 큰 영향을 미칩니다. 컴퓨터 생성 홀로그래피(CGH)는 회절 및 간섭의 수치 시뮬레이션을 통해 높은 공간 각도 해상도의 3D 투영을 가능하게합니다. 그러나 기존의 물리적 기반 방법은 픽셀 당 초점 제어와 정확한 오클루전을 모두 갖춘 홀로그램을 생성하지 못합니다. 계산에 부담이 되는 Fresnel 회절 시뮬레이션은 이미지 품질과 ..