超球损失的 $360^o$ 表面回归

Sep, 2019

$360^o$ Surface Regression with a Hyper-Sphere Loss

Antonis Karakottas, Nikolaos Zioulis, Stamatis Samaras, Dimitrios Ataloglou, Vasileios Gkitsas...

TL;DR本文通过利用现有的 3D 数据集和重新渲染的方式解决 $360^o$ 图像的表面法向数据不足的问题，并通过深度卷积神经网络来实现全景图像的表面估计。

Abstract

omnidirectional vision is becoming increasingly relevant as more efficient $360^o$ image acquisition is now possible. However, the lack of annotated $360^o$ datasets has hindered the application of deep learning techniq

omnidirectional vision 360^o datasets deep learning techniques surface estimation convolutional neural network

发现论文，激发创造

PanoNormal：单目室内 360° 表面法线估计

介绍了一种用于 360 度图像的单目表面法线估计架构 PanoNormal，通过使用多级全局自注意机制和考虑球面特征分布，结合了 CNN 和 ViTs 的优势，实现了在多个流行的 360 度单目数据集上的最先进性能。

May, 2024

学习球面卷积以从 360° 图像中快速提取特征

该研究提出了一种基于球面卷积网络的方法来处理 360° 全景图像，该方法可以有效地提取特征并利用预先训练的卷积神经网络，从而大大降低了计算量和提高了准确性。

Aug, 2017

全景室内密集深度估计

本论文研究了 360 图像的深度估计问题，提出了使用重新渲染的 3D 在线数据集来解决缺乏高质量 360 数据集的挑战，并使用这个数据集实现了端对端的深度估计模型

Jul, 2018

360 度可学习代价卷积的立体深度估计

提出一种新的神经网络架构，用于解决 360° 图像中的球面视差问题，并通过学习可移位滤波器构建代价体积以缓解失真问题，实验结果表明其对现有算法具有较好的鲁棒性和准确性。

Nov, 2019

球面回归：学习 n - 球面上的视点、表面法线和 3D 旋转

本研究提出了一种新的球面回归方法，能够解决计算机视觉中的连续输出问题，特别是视角估计、表面法线估计和三维旋转估计等问题。

Apr, 2019

用于自监督 360 深度估计的球面视角合成

本文探讨了自我监督的球面视图综合方法对于学习单目 360 度深度的可行性，并利用几何形式提出了水平和垂直基线、三目的结果。同时，本研究还展示了在等距矩形域内应用传统 CNN 的表现更佳的方法，并利用地面真实深度数据进行比较，结果表明①替代性研究方向可能更适合实现更高质量的深度感知。

Sep, 2019

OmniFusion: 基于几何感知融合的 360 单目深度估计

本篇论文提出了一种名为 OmniFusion 的 360 单目深度估计流程，通过将 360 图像转换为切线图像并采用 CNN 进行分段预测，最后合并分段结果以处理球形畸变问题，并通过几何感知特征融合机制、自注意力变换架构和迭代深度细化机制处理分段预测不一致问题，成功的在多个 360 单目深度估计基准数据集上取得了最先进的性能。

Mar, 2022

广义覆盖下的曲面网络

本研究通过开发一种新的表面到图像表示方法，成功地在几何数据分析中应用了卷积神经网络，以达到在形状检索、形状分类和语义形状分割等任务上取得了最先进的结果或相当的结果的目标。

Dec, 2018

基于二十面体球的定向语义分割

该论文提出了一种适用于全景图像的方位感知卷积神经网络框架，该框架可以更高效地进行分类和语义分割任务，并为自动驾驶系统等应用程序提供了 “全景式” 理解周围环境的能力。

Jul, 2019

360 度全景立体图像中的光照、反射和几何估计

本文提出了一种从 360 度立体图像中估计场景高清空间变化光照、反射和几何的方法，该方法利用全景图像获得场景的详细几何信息，结合物理约束共同估计场景属性。通过重建场景的近场光环境、运用深度学习模型推断反射率和表面法线，加入光照与几何之间的物理约束以改进场景的反射率，实验结果表明该方法在增强现实应用中具有 State of the art 的性能有优势。

Apr, 2021