MMFeb, 2014

多个压缩深度图的 3D 表面精度增强

PDF
TL;DR本文提出了一种基于多个描述符的迭代投影方法，关注在纹理加深度表示的 3D 场景中，压缩不失真的深度图，通过考虑多个视角的多引描述，可以使收敛的深度图比原始量化版本具有更高的精度。
texture-plus-depth3d scenelossy compressionmultiple descriptionsiterative procedure
发现论文，激发创造
  • 动态场景的多视角稠密深度图计算模型

    本文回顾了动态场景深度地图生成及其计算模型的最近进展，主要涵盖深度传感中的同质性模糊性模型、深度处理中的分辨率模型、深度优化中的一致性模型，并总结了深度地图生成领域未来的研究方向。

    Dec, 2015

  • 低成本压缩感知用于彩色视频和深度

    本文介绍了一种改进后的低成本、低功耗、低带宽的彩色视频摄像机，能够通过使用高速编码的单个编码器深度扫描来恢复每个测量帧的多个彩色图像，并利用亚压电装置上的二进制代码实现了多帧恢复，同时通过模拟调制了一种用于同时恢复深度信息的液体透镜，并通过波纹 / 离散余弦变换系数的组稀疏性任意算法实现快速恢复。

    Feb, 2014

  • 深度点云几何压缩的改进

    本文提出了一系列改进点云压缩的方法，包括使用尺度先验模型进行熵编码、采用更深的变换、不同的 focal loss 权重、最优解码阈值和连续模型训练，并通过实验验证这些方法可以带来较好的 BD-PSNR 提升。

    Jun, 2020

  • 基于深度图像的任务驱动碰撞编码压缩

    该研究提出了一种新的基于学习的方法，用于对深度图像进行积极的任务驱动压缩，并将其编码为适用于机器人系统碰撞预测的图像。通过提出一种新颖的 3D 图像处理方法，结合了机器人的尺寸，使得深度图像中表示的障碍物得到适当的 “膨胀”，从而获得机器人在摄像机视锥内沿任意给定射线可行碰撞避免方式的距离。利用这些密切相关的深度和碰撞图像对训练依据变分自动编码器架构的神经网络进行压缩和转换，以获得编码给定深度图像的碰撞信息的潜在表示。通过与经典的任务非特定方法进行比较，我们证明了我们提出的任务驱动编码方法在极低维潜在空间中用于碰撞图像预测任务时显示出更出色的性能。一系列的比较研究表明，该方法能够在高达 4050:1 的压缩比下更好地编码来自具有长距离的复杂场景中的薄障碍物的深度图像和碰撞图像对。

    Sep, 2023

  • 鲁棒的几何保持深度估计 - 使用可微分渲染

    通过混合数据集训练模型，预测几何保持的深度，并通过渲染重建场景的新视图以及设计损失函数，促进不同视角下深度估计的一致性，实现了对领域特定尺度和平移系数的自主恢复，优于现有最先进方法的多个基准数据集。

    Sep, 2023

  • TAPA-MVS: 无纹理感知 PatchMatch 多视角立体

    本文提出了一种基于 PatchMatch 的方法来扩展可靠的深度估计，并根据纹理性质修改 Photo-Consistency 测量标准，同时提出了深度细化步骤，以在保留不连续性的同时填补深度图和法线图中的缝隙。

    Mar, 2019

  • DCPI 深度：在无监督单目深度估计中显式注入稠密对应先验

    通过三个创新点，本研究提出了一个名为 DCPI-Depth 的框架，该框架采用稠密对应先验，通过上下文信息和光流进行深度感知，实现了在具有挑战性场景中的准确深度估计，并展示了更合理的平滑性。

    May, 2024

  • MonoCD: 具备补充深度的单目三维物体检测

    通过增加全局深度线索和利用多个深度线索之间的几何关系，提出的方法可以提高单眼三维对象检测的深度补充性，实现了最新性能并无需引入额外数据。

    Apr, 2024

  • 自适应法向约束下的遮挡感知深度估计

    提出了一种基于学习的多帧深度估计方法，通过引入组合法线图约束和遮挡感知策略，能更好地保留室内场景中的高曲率特征和全局平面区域，并优于其他算法在深度估计精度和保存几何特征方面的表现。

    Apr, 2020

  • 一个联合强度和深度共稀疏分析模型用于深度图高分辨率重建

    通过学习联合分析运算符的方法，提出了一种双模共稀疏分析模型，将强度图像和深度信息结合起来用于高分辨率深度图像的超分辨率重建。

    Apr, 2013