CVPRMay, 2019

针对室内 RGB-D 重建的几何和纹理的高效基于平面的优化

PDF
TL;DR我们提出了一种基于平面基元的 RGB-D 室内场景重建新方法，通过适应平面构建整个场景的低多边形网格，保留原始场景的几何细节和锐利特征并生成清晰的面纹理，相较于现有方法更有效的从 RGB-D 数据生成纹理网格。
rgb-dindoor sceneplane primitivesmesh reconstructiontextured mesh
发现论文，激发创造
  • RGB-D 里程计中噪点和平面的概率组合

    该文提出了一种基于深度相机的视觉里程测量方法，通过提取几何基元，将噪声层中的点和平面元素结合起来。实验结果表明，该方法能够在纹理较差的环境中表现良好，其中基于点的里程测量容易出现失败。

    May, 2017

  • 基于单视角 RGB-D 的占据平面人体重建

    该研究通过使用 OPlanes 表示法，将单视图 RGB-D 人类重建问题转化为在通过相机视锥切面的平面上的占位符预测，从而实现更精确的预测结果。在具有其他障碍物和部分可见性的复杂情况下，该方法在 S3D 数据上实现了更好的表现。

    Aug, 2022

  • 室内场景的凸分解

    描述了一种将复杂、混乱的室内场景解析为简化的基本结构的方法。这种方法使用学习回归过程将场景从 RGBD 输入解析为固定数量的凸多边形，并可以选择性地接受分割以改善分解。然后使用下降方法调整凸多边形以获得很好的拟合度，并贪婪地去除冗余的基本结构。因为对整个场景进行了解析，所以可以使用传统的深度、法线和分割误差指标进行评估。评估过程表明，我们的基本结构表示的误差与从单个图像预测深度的误差相当。

    Jul, 2023

  • 利用平面先验进行即时去噪、稳定和完善三维重建

    本文提出一种通过使用有符号距离场获取和使用平面表面信息的新算法，有效地解决了在线重建中嘈杂不完整的问题，并使用平面拟合实现了意义上的语义分割。

    Sep, 2016

  • 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

  • 基于光度学的网格优化技术，用于视频对齐的三维物体重建

    本论文研究了从 RGB 视频中重建三维物体网格的方法，结合多视角几何和数据驱动方法来优化物体网格以适应多视角光度一致性，并通过形状先验来约束网格变形。作者采用逐片图像对齐的形式，通过光度误差更新形状参数，无需深度或掩膜信息。此外，作者还展示了如何通过虚拟视点的光栅化来避免零光度梯度导致的退化问题，并展示了采用光度网格优化的方法从合成和真实视频中获得的三维物体网格重建结果，相比于传统的网格生成网络或表面重建方法，避免了繁琐的手动后处理。

    Mar, 2019

  • 实时大规模三维重建的高效在线表面修正

    本文提出了一种用于在 RGB-D 传感器上进行大规模 3D 重建的实时表面矫正方法，该方法通过实时估计相机运动并在全局姿势图优化中进行精调来纠正可能出现的表面偏差，能够在仅使用单个 GPU 的情况下实现大型环境的实时表面纠正，相比最新技术而言，具有更高的运行时效率并且需要显著更少的内存。

    Sep, 2017

  • TexMesh：从 RGB-D 视频重建详细的人体纹理和几何形状

    TexMesh 是一种利用 RGB-D 视频重建详细的人体网格及高分辨率全身纹理，实现高质量自由视角呈现的新方法。

    Aug, 2020

  • 学习在多个类别上生成具有纹理的密集点云

    本文提出了一种基于深度学习的新方法，实现从单张 RGB 图像中重建出具有几十万个点的密集点云，包括 RGB 纹理，并在多个类别上进行训练以实现对未见类别的优越泛化性能。

    Dec, 2019

  • 高保真 RGB-D 监督表面重建的动态体素网格优化

    介绍了一种新的基于动态网格优化的高清晰度 3D 表面重建方法，其中包含 RGB 和深度观测，该方法能够在维持计算效率的同时，在合成和真实数据上生成细节丰富的高质量 3D 重建。

    Apr, 2023