Key points are not available for this paper at this time.
यह पेपर 4DRecons का एक नया दृष्टिकोण प्रस्तुत करता है जो एक गतिशील विषय के एकल कैमरा RGB-D अनुक्रम को इनपुट के रूप में लेता है और समय के साथ एक पूर्ण बनावट वाला परिवर्तनीय 3D मॉडल आउटपुट करता है। 4DRecons आउटपुट को 4D न्यूरल इम्प्लिसिट सतह के रूप में एन्कोड करता है और एक अनुकूलन प्रक्रिया प्रस्तुत करता है जो डेटा टर्म और दो नियमितीकरण टर्म को संयोजित करता है। डेटा टर्म 4D इम्प्लिसिट सतह को इनपुट आंशिक अवलोकनों के लिए फिट करता है। हम आंशिक अवलोकनों के लिए एक पूर्ण इम्प्लिसिट सतह को फिट करने में मौलिक चुनौतियों को संबोधित करते हैं। पहला नियमितीकरण टर्म यह लागू करता है कि निकटवर्ती फ्रेमों के बीच का विकृति संभवतः जितनी कठोर हो (ARAP)। इस संदर्भ में, हम निकटवर्ती बनावट वाली इम्प्लिसिट सतहों के बीच संबद्धताओं की गणना करने के लिए एक नया दृष्टिकोण प्रस्तुत करते हैं, जो ARAP नियमितीकरण टर्म को परिभाषित करने के लिए उपयोग किया जाता है। दूसरा नियमितीकरण टर्म यह लागू करता है कि अंतर्निहित वस्तु कीTopology समय के साथ स्थिर रहती है। यह नियमितीकरण स्वयं-आंतरक्षेत्रों से बचने के लिए महत्वपूर्ण है, जो इम्प्लिसिट-आधारित पुनर्निर्माण में सामान्य हैं। हमने विभिन्न डेटासेट पर 4DRecons के प्रदर्शन का मूल्यांकन किया है। प्रयोगात्मक परिणाम दिखाते हैं कि 4DRecons बड़े विकृतियों और जटिल अंतर्विभागीय इंटरैक्शन को संभाल सकता है और अत्याधुनिक दृष्टिकोणों की तुलना में महत्वपूर्ण रूप से बेहतर प्रदर्शन करता है।
कांग एट अल। (शुक्रवार,) ने इस प्रश्न का अध्ययन किया।