Feb, 2019

基于关联嵌入的单张图像分块平面三维重建

PDF
TL;DR本文提出了一种基于联想嵌入的两阶段方法，旨在从单个图像中同时分割平面实例并恢复三维平面参数，并且可以检测任意数量的平面，并且该方法可实现 30 fps 的运行速度，因此适用于实时应用，例如视觉 SLAM 和人机交互。
single-image3d reconstructionassociative embeddinginstance segmentationreal-time
发现论文，激发创造
  • 多任务计划形状重建与特征扭曲引导

    基于改进的实例分割架构的实时平面重建模型 SoloPlanes，同时预测每个平面实例的语义、平面参数和分段平面实例掩码，通过提供特征空间中的多视角指导，在单张图像推理时同时预测语义，并以 43 帧每秒的实时预测效果。

    Nov, 2023

  • PlaneNet：从单个 RGB 图像中分段平面重建

    本研究提出了一种使用深度神经网络 (DNN) 从单个 RGB 图像重建分段平面深度图的方法，该方法可以直接从单个 RGB 图像学习一组平面参数和相应的分割掩码，并且在评估中表现出比基准方法更好的平面分割和深度估计精度。该方法是第一个可以从单个 RGB 图像进行分段平面重建的端到端神经网络结构。

    Apr, 2018

  • AirPlanes: 通过 3D 一致嵌入实现准确的飞机估计

    本文提出一种新方法，通过预测多视角一致的平面嵌入来辅助几何方法，将点进行聚类成平面，从而解决了在场景中估计平面表面的问题，并在 ScanNetV2 数据集上表明，该方法优于现有方法和强基线的平面估计任务。

    Jun, 2024

  • 从单张图像进行 3D 平面检测和重建的 PlaneRCNN

    本论文提出一种称为 PlaneRCNN 的深度神经结构，可以从单个 RGB 图像检测和重构分段平面曲面，并且在基准测试中表现明显优于现有最先进的方法，具有重要的机器人学、增强现实和虚拟现实应用价值。

    Dec, 2018

  • 室内全景平面三维重建：分治算法

    本文提出了一种基于水平面和垂直面的 360 度室内全景图像近似场景的方法，并使用具有地面真实数据的数据集进行了测试，结果表明本文的方法在室内全景图像处理中具有更好的性能。

    Jun, 2021

  • PlanarRecon：基于单目视频的实时 3D 平面检测与重建

    PlanarRecon 是一种基于神经网络的新框架，通过在视频中逐渐检测 3D 平面，实现了对场景的全局连贯检测与重构，并在 ScanNet 数据集上取得了最新的最优性能。

    Jun, 2022

  • 关联嵌入：联合检测和分组的端到端学习

    介绍了一种新的关联嵌入方法，用于监督卷积神经网络进行检测和分组，可应用于多人姿势估计、实例分割等计算机视觉问题，该技术可以轻松集成到任何最先进的产生像素预测的网络架构中，并在 MPII 和 MS-COCO 数据集上报告了多人姿态的最先进表现。

    Nov, 2016

  • 欧氏空间和嵌入空间中基于边界感知的点聚类方法用于屋顶平面分割

    通过使用多任务深度网络在欧几里德空间和嵌入空间中构建的点聚类方法来解决屋顶平面分割中边界问题，并构建了合成数据集和真实数据集验证了该方法的显著优越性。

    Sep, 2023

  • PlaneFormers：从稀疏视图到三维重建

    本文提出了一种用于从有限重叠的图像重建场景平面表面的方法，并介绍了一种新的基于 transformer 的简化方法，PlaneFormer，它是通过对 3D 感知平面记号应用变换器来进行 3D 推理。实验表明，本文的方法比之前的方法更加有效。

    Aug, 2022

  • PlaneRecTR：统一查询学习用于从单个视图恢复三维平面

    整合 3D 平面恢复的各个子任务，利用 Transformer 模型构建了一个统一框架，实现了单张图片的平面恢复，并在公共数据集 ScanNet 和 NYUv2-Plane 上取得了最新的性能表现。

    Jul, 2023