CVPRSep, 2015

基于凸松弛的三维形状估计稀疏表示方法

PDF
TL;DR本文提出了一种基于稀疏表示的 3D 形状重构方法，通过解决优化问题中的非凸性，利用单个图像恢复了物体形状，并且提出了一个鲁棒的方法来处理二维对应关系中的大量误差。实验证明该方法可用于从单个图像中恢复 3D 人体姿势和汽车模型，相较于非凸基线方法，能够获得更好的效果。
发现论文，激发创造
  • 从二维特征点估计三维形状：凸松弛方法

    本文提出了一种基于凸形式的方法，用于解决在单个图像中给定一组二维路标的情况下估计物体三维形状的问题，解决了现有方法中对于相机姿态和形状参数的联合估计需要解决非凸优化问题导致的初始化敏感性问题，本文方法能够恢复精确的三维形状且应用在人体姿势和汽车形状估计中。

    Nov, 2014

  • 完美形状：从 2D 标志点中可证明的最优 3D 形状重建

    该研究通过采用三维可变形形状模型，将三维形状重建问题转化为相机姿态和线性形状参数的联合优化，使用 Lasserre 的 SOS 松弛层次来解决问题，并通过添加一个异常值剔除层和使用新的 TLS robust 代价函数来解决 TLS 问题，研发出一个鲁棒的三维形状重建算法 Shape#，可以容忍 70% 的异常值，达到了最先进的性能。

    Nov, 2019

  • 凸松弛算法进行几何多模型拟合

    本文提出了一种通过凸松弛来拟合和分割多结构数据的方法，并演示了该方法在从图像中估算平面提取与单应性估计等问题上的高精度表现。

    Jun, 2017

  • 一个稀疏约束的优化方案，用于 3D 人体姿势与形态估计的复兴

    该研究提出了一种新颖的基于稀疏约束的 3D 人体姿态和形状估计方法，通过高效计算 Gauss-Newton 方向并利用优化问题的稀疏约束性质，将优化时间缩短到 4ms 左右，并成功地将其应用于单张图像的实时运动捕捉领域。

    May, 2021

  • 基于类别的三维物体感知的最优姿态和形状估计

    本文提出了一个主要解决物体类别感知问题的非凸优化模型，其中包括针对模型内部变异性的解决方案，将图形学和优化算法相结合，以提高汽车姿态估计等领域的精度和鲁棒性。

    Apr, 2021

  • 通过稠密对应实现可变形物体的隐式形状表示的自监督学习

    使用自监督学习方法为可变形物体学习神经隐含形状表示法，无需特定语义领域的额外注释和大量变形约束，可用于纹理转移和形状编辑应用。

    Aug, 2023

  • 凸规划实现的鲁棒相机定位估计

    本文提出了一种对于相机姿态和方向估计的新方法，结合了对偏差方向的强鲁棒性和凸优化技术，有效地从二维图像集合中恢复三维结构。

    Nov, 2014

  • 稀疏建模内在对应关系

    我们提出了一种新的基于稀疏建模方法的非刚性形状匹配算法，通过检测可重复区域，建立形状间的精确对应关系，并以非常完美的表现在标准基准数据集上得到了定量和定性的评估。

    Sep, 2012

  • 稀疏回归的一级凸化

    本文提出了一种基于理想 (凸包) 形式的新的计算稀疏回归的强凸松弛方式，采用半定优化问题在扩展空间中求解，具有更强更通用的性能。实验表明，所提出的锥形公式的解可以在几秒钟内求解，且在统计学上的预测精度和解释性上表现更佳。

    Jan, 2019

  • 高维稀疏估计问题中的凸规则化一般理论

    本篇论文提出了一个理论框架，表明在适当的条件下，非凸正则化的全局解决方案可导致理想的稀疏恢复性能，并且在合适的条件下，全局解决方案对应于唯一的稀疏局部解决方案，其可通过不同的数值方法获得。该统一框架为凹形高维稀疏估计过程提供了更加令人满意的处理方法，并作为凹形正则化进一步数值程序发展的指导方针。

    Aug, 2011