通过逆推运动结构重建揭示场景

Apr, 2019

Revealing Scenes by Inverting Structure from Motion Reconstructions

Francesco Pittaluga, Sanjeev J. Koppal, Sing Bing Kang, Sudipta N. Sinha

TL;DR通过结构运动（SfM）算法获取的点云中的信息足以泄露场景外貌并危及隐私，同时使用级联 U-Net 方法可以重构场景的彩色图像，并生成新的视图，为场景的虚拟旅游提供了可能。

Abstract

Many 3d vision systems localize cameras within a scene using 3D point clouds. Such point clouds are often obtained using structure from motion (SfM), after which the images are discarded to preserve privacy. In this paper, we show, for the first time, that such point clouds retain enou

3d vision systems structure from motion (sfm)privacy attack cascaded u-net novel views

发现论文，激发创造

线云有多保密？从三维线条中恢复场景细节

本文提出了一种将已知场景的 Structure-from-Motion point cloud 转换成不易理解的 3D lines 的 'line cloud' 表示法，以保护用户生成内容的隐私，同时探讨了从这种表示法中恢复图像信息的方法，并通过实验证明了它的可行性。

Mar, 2021

MVSBoost：一种高效的基于点云的 3D 重建

通过结合多视角全景图像、鲁棒的相机位姿估计、先进的图像处理以及点云密度化、网格重建和纹理生成等技术，本论文提出了一个增强型的多视角立体重建框架，显著提高了传统方法的准确性和精度，在处理遮挡和视角变化的复杂场景重建方面表现出了优异的计算效率和鲁棒性，对于实时处理和可扩展性要求高的情况，可以与当前最先进的神经隐式场方法相竞争甚至超越。

Jun, 2024

隐私保护的视觉 SLAM

该研究提出了一种隐私保护的 Visual SLAM 框架，它可以在实时环境下使用混合线条和点云来估计相机姿态和执行束调整，并采用线云图进行优化，以实现预期的隐私保护和实时性能。

Jul, 2020

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

Atlas: 从姿态图像实现端到端三维场景重建

提出了一种端到端的三维重建方法，通过直接回归截断带符号距离函数（TSDF）从一组姿势 RGB 图像中实现。使用 2D CNN 独立地提取每个图像的特征，然后通过相机内参和外参进行反投影和累积到体素体积中。此外，通过该方法获取到了三维模型的语义分割。该方法在 Scannet 数据集上得到了评估，既在量化指标上，也在视觉效果上都超过了国际领先的基准结果。

Mar, 2020

隐私保护的基于图像的定位

该论文提出了一种保护隐私的基于图像的定位解决方案 —— 使用三维线云的地图表示替代三维点云，从而确保足够的几何约束以实现可靠和精确的六自由度相机姿态估计。

Mar, 2019

结构运动测量概述

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。

Jan, 2017

无 3D 监督的多视角图像神经三维场景重建

本文提出了一种新的神经重建方法，使用可访问的 2D 图像作为监督来进行 3D 场景重建，其中通过引入二进制带注符号距离函数、色彩场和概率场等方法实现了场景的重建，并引入了几何和平面约束以实现对场景复杂几何区域和低纹理区域的重建。

Jun, 2023

从相机姿态恢复场景内容 —— 保护隐私的表征不足

本文针对现代视觉定位算法所具备的外观和几何作用稳健性，在攻击者不使用任何云服务访问的情况下，开发了一个现场细节攻击方案，并展示了其实用性。

May, 2023

基于多平面投影的神经网络点云渲染

本研究提出了一种新的深度学习点云渲染管道，通过多平面投影将点云特征投射到摄像机视锥体的分层体积中，然后通过卷积神经网络产生多层图像，并根据学习到的权重混合图像，最终实现对具有挑战的场景进行更稳定的渲染。

Dec, 2019