Centre de documentation
scientifique

vol 40 n° 5 - 2021 - Eurographics Symposium on Geometry Processing 2021, July 12 – 14, 2021 (Bulletin de Computer graphics forum) / K. Crane  

Public [n° ou bulletin]  Titre : vol 40 n° 5 - 2021 - Eurographics Symposium on Geometry Processing 2021, July 12 – 14, 2021 Type de document : Périodique Auteurs : K. Crane, Éditeur scientifique ; J. Digne, Éditeur scientifique Année de publication : 2021 Conférence : SGP 2021, Symposium on Geometry Processing 12/07/2021 14/07/2021 Toronto Ontario - Canada open access proceedings Langues : Français (fre) Numéro de notice : sans Affiliation des auteurs : non IGN Nature : Numéro de périodique En ligne : https://diglib.eg.org/handle/10.2312/2633079 Format de la ressource électronique : URL sommaire Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=33502 [n° ou bulletin]

Contient

• Scalable surface reconstruction with Delaunay-Graph neural networks / Raphaël Sulzer in Computer graphics forum, vol 40 n° 5 (2021)  

Scalable surface reconstruction with Delaunay-Graph neural networks / Raphaël Sulzer in Computer graphics forum, vol 40 n° 5 (2021)  

Public [article]  inComputer graphics forum > vol 40 n° 5 (2021) . - pp 157 - 167 Titre : Scalable surface reconstruction with Delaunay-Graph neural networks Type de document : Article/Communication Auteurs : Raphaël Sulzer , Auteur ; Loïc Landrieu , Auteur ; Renaud Marlet, Auteur ; Bruno Vallet , Auteur Année de publication : 2021 Projets : BIOM / Vallet, Bruno Conférence : SGP 2021, Symposium on Geometry Processing 12/07/2021 14/07/2021 Toronto Ontario - Canada open access proceedings Article en page(s) : pp 157 - 167 Note générale : bibliographie The presentation of this work at SGP 2021 is available at https://youtu.be/KIrCDGhS10o Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] algorithme Graph-Cut [Termes IGN] apprentissage profond [Termes IGN] prise en compte du contexte [Termes IGN] reconstruction d'objet [Termes IGN] réseau neuronal de graphes [Termes IGN] semis de points [Termes IGN] tétraèdre [Termes IGN] triangulation de Delaunay Résumé : (auteur) We introduce a novel learning-based, visibility-aware, surface reconstruction method for large-scale, defect-laden point clouds. Our approach can cope with the scale and variety of point cloud defects encountered in real-life Multi-View Stereo (MVS) acquisitions. Our method relies on a 3D Delaunay tetrahedralization whose cells are classified as inside or outside the surface by a graph neural network and an energy model solvable with a graph cut. Our model, making use of both local geometric attributes and line-of-sight visibility information, is able to learn a visibility model from a small amount of synthetic training data and generalizes to real-life acquisitions. Combining the efficiency of deep learning methods and the scalability of energy-based models, our approach outperforms both learning and non learning-based reconstruction algorithms on two publicly available reconstruction benchmarks. Numéro de notice : A2021-400 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/cgf14364 En ligne : https://doi.org/10.1111/cgf.14364 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98219 [article]