Détail de l'autorité
SGP 2021, Symposium on Geometry Processing 12/07/2021 14/07/2021 Toronto Ontario - Canada open access proceedings
nom du congrès :
SGP 2021, Symposium on Geometry Processing
début du congrès :
12/07/2021
fin du congrès :
14/07/2021
ville du congrès :
Toronto
pays du congrès :
Ontario - Canada
site des actes du congrès :
|
Documents disponibles (2)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
vol 40 n° 5 - 2021 - Eurographics Symposium on Geometry Processing 2021, July 12 – 14, 2021 (Bulletin de Computer graphics forum) / K. Crane
[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]Scalable surface reconstruction with Delaunay-Graph neural networks / Raphaël Sulzer in Computer graphics forum, vol 40 n° 5 (2021)
[article]
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/KIrCDGhS10oLangues : 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 DelaunayRésumé : (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
in Computer graphics forum > vol 40 n° 5 (2021) . - pp 157 - 167[article]