一般光照条件下的变分未校准光度立体重建
通过提出一种端到端的非标定多视点 PS 框架,以实现在真实环境中通过稀疏视点获取高分辨率形状的重建,摒弃了黑暗室的假设,并允许静态环境光和动态 LED 光的组合,从而实现了在实验室外轻松捕获数据,并通过实验证实,在稀疏视点情况下超越了现有的基准方法,将高精度三维重建从黑暗室引入到现实世界中,并保持了合理的数据采集复杂性。
Mar, 2024
本文旨在解决在未知物体形状、物体反射率和光照方向的情况下进行三维物体重建的任务,提出了一种新的利用神经反演渲染和渐进式反射率基础来解决未标定光度测量问题的方法。该方法在真实世界数据集上表现出最先进的精度。
Jul, 2022
本文主要研究使用 LED 作为点光源时的光度立体成像问题,并提出了一种可行的校准方法和 PDE 数值解法。此方法通过交替加权最小二乘法得到了较好的结果。
Jul, 2017
本文提出了一种基于深度学习的非 Lambert 场景无标定光度立体方法,该方法相对于之前依赖于特定反射率和光源分布假设的方法,能够确定未知任意反射率下观察未知变化光照方向的场景的形状和光源方向,通过两阶段的深度学习架构 SDPS-Net 来实现。 对合成和实际数据集的实验表明,我们提出的方法明显优于先前的非标定光度立体方法。
Mar, 2019
本研究探索了使用光度学技术(阴影形状和非标定光度立体)将 RGB-D 传感器的低分辨率深度图上采样到伴随的 RGB 图像的高分辨率。首先提出了一种有效的单次变分方法,而这依赖于目标的反射率是分段常数。随后,展示了这个依赖特定反射模型的限制可以通过关注特定类别的对象(例如面部),并将反射率估计委托给深度神经网络来缓解。最后讨论了一种基于随机变化光照条件的多次采集策略。这不需要反射率的培训或先前知识,但其代价是专用采集设置。通过定量和定性评估,证明了所提出方法在合成和真实场景中的有效性。
Sep, 2018
本文提出了一种简单且实用的解决方案,在多视角重建中使用基于联合几何和光度约束的能量最小化,利用一个共置的摄像机 - 光线扫描仪设备来克服建立跨视觉对应的问题。我们的优化算法可以从随机初始化中稳健地全局最优地恢复形状和反射率。实验结果验证了我们方法的有效性并讨论了未来的可能扩展。
May, 2021
本文介绍了一种适用于透视相机和附近点光源的多视图光度立体技术 (MVPS) 来捕捉 3D 形状和空间变化的反射,并在实验中展示了应用该算法重建形状和捕捉反射的准确性。
Jan, 2020
本文提出了一个针对光度立体问题的不需要校准的深度神经网络框架,通过估计输入图像的光线方向来计算表面法线、双向反射分布函数值和深度,同时显式模拟图像形成过程中的凹凸面部分的互反射效应,结果表明该方法在挑战性主题上表现优于监督和经典方法。
Dec, 2020
介绍了一种新颖的、基于可分离 4D 卷积的全卷积网络架构,将空间和光度一起利用,并回归到二维高斯热图,从而实现高效的表面形状估计。实验结果表明,所提出的方法在效率和准确性上均优于现有方法。
Mar, 2021
本研究提出了一种基于增广拉格朗日方法的数值解法,用于处理方向或球谐光照、正交或投影投影以及灰度或多通道图像的基于偏微分方程的遮蔽恢复模型,并展示了在真实场景中进行遮蔽感知的深度图去噪、优化和补全的应用。
Sep, 2017