Jan, 2017

结构运动测量概述

PDF
TL;DR本文主要介绍计算机视觉中的结构从运动问题，包括相机运动估计和三维结构恢复等关键技术，以及相关应用，如同时定位和地图构建（SLAM），特征提取和匹配等。
structure from motioncamera motion estimation3d structure recoverysimultaneous localization and mappingfeature extraction and matching
发现论文，激发创造
  • 结构光中的语义验证

    本文探讨将语义分割技术整合进 Structure from Motion (SfM) 中，通过利用卷积神经网络对输入图像进行像素标记，进而应用于 3D 点云的估算，并比较标记语义的关键点。在一个重复建筑场景的数据集上进行了验证，提出了一种改进 3D SfM 模型的新方法。

    Apr, 2023

  • 深度二视图结构运动再探讨

    本研究使用光流、姿态估计和深度估计网络，实现了相对摄像机位姿和深度图的两视角结构运动重建，表现明显优于现有的同类方法。

    Apr, 2021

  • 基于视觉几何的深度结构运动

    我们提出了一种新的深度管道 VGGSfM，其中每个组件都是完全可微的，因此可以进行端到端的训练，通过引入新的机制和简化，我们在三个流行的数据集 CO3D，IMC Phototourism 和 ETH3D 上实现了最先进的性能。

    Dec, 2023

  • 利用图注意网络学习运动结构

    该论文通过使用图注意力网络解决学习结构运动（Structure-from-Motion）的问题，通过学习模型以 2D 关键点为输入，输出对应的相机姿态和 3D 关键点坐标，实现了快速推理和重建，超过了竞争的基于学习的方法并在较短的时间内挑战了 COLMAP。

    Aug, 2023

  • DeepSFM: 通过深度束调整实现结构运动

    本研究设计了一种以物理驱动的 DeepSFM 体系结构，对深度和姿态进行估计，在显式结构约束和深度学习技术的共同作用下，实现了与传统 BA 和新兴深度学习技术的优点相结合的分离拍摄下位姿和深度估计

    Dec, 2019

  • SfM-Net: 从视频中学习结构和运动

    本文提出了一种几何感知的神经网络 SfM-Net，可用于视频中的运动估计，通过分解场景和物体深度、相机运动、3D 物体旋转和平移来处理像素运动，该模型可通过不同程度的监督训练，包括自监督、相机运动监督和深度监督，成功地估计出帧间相机旋转和平移，并对运动物体进行了有效地分割。

    Apr, 2017

  • 由局部递增到全局平均的并行运动结构

    本文提出一种可扩展的结构运动问题（SfM）求解方法，通过引入相机聚类算法将大型 SfM 问题划分为具有重叠的相机簇的子问题，并将局部增量 SfM 的相对位置应用到全局运动平均框架中以产生准确且一致的全局相机位姿。我们能够重建含有超过一百万张高分辨率图像的城市级数据集的相机位姿，在基准、Internet 和序列数据集上表现出卓越的准确性和鲁棒性。

    Feb, 2017

  • Level-S$^2$fM: 基于神经隐式面积边界的运动结构恢复

    本文提出了一种神经增量结构运动（SfM）方法 Level-S $ ^ 2 $ fM，通过从建立的关键点对应关系中学习坐标 MLPs 来估计相机姿态和场景几何。

    Nov, 2022

  • 三维面部重建的分离姿势和形状

    提出了一种深度学习技术结合三维可塑模型（3DMM）进行三维人脸重建的方法，通过结合结构运动（SFM）和多视图立体（MVS）技术，构建了一个端到端的流水线，用于稳定准确地求解姿态和形状，并在量化和质量结果方面显示出明显的改进。

    Aug, 2023

  • 现场 SfM: 你所捕捉的就是你所得的

    通过使用词汇树对新拍摄的图像进行快速检索，然后采用最小二乘法进行鲁棒特征匹配，并通过优化实现高效的分层加权局部捆绑调整，实现了在线拍摄时图像的实时注册。

    Sep, 2023