相对深度先验的偏振单目稠密建图
提出了一种混合深度成像系统,利用极化相机辅以标准数字相机的第二张图像,通过立体提示结构,使用高阶图模型实现去混淆极化表面法线估计,并利用先前的极化成形方法扩展至透视情况,从而计算稠密详细的绝对深度图。
Mar, 2019
本文提出了一种使用偏振线索高效获取物体形状和空间变化反射的新方法,其中偏振成像与深度学习相结合,可以在正面闪光照射下使用单视角偏振成像实现高质量估计物体形状和反射。
May, 2021
利用极化信息的监督学习方法以及借助物理特性的自监督学习方法取得重要进展,通过利用极化光的几何信息和引入形状先验知识和可逆物理约束来提高姿态估计的准确性。
Aug, 2023
本文介绍了一种名为极化多视角反渲染的三维重建方法,该方法通过利用输入的多视颜色极化图像所提取的几何、光度和极化线索,可有效地优化光度反演,并充分考虑备选的方位角度信息来估计每个表面顶点的法向量,从而实现了对物体精细的三维重建。
Jul, 2020
本文提出了一种使用多模式相机组合极化、ToF 和结构光信号的深度预测方法,该方法使用可微的分析模型将场景几何与极化和 ToF 等信号连接起来,实现自监督和跨模态学习,在自定义的 CroMo 数据集上获得了优异的性能表现。
Mar, 2022
本文中,我们分析了使用 RGB 偏振相机相比 RGB 相机在感知任务中的潜在效果,并探讨了深度神经网络的应用,研究表明,使用 RGB 偏振相机可以在双目深度估计和自由空间检测方面实现可量化的改进,同时,我们还提出了一种新的数据集,为感知算法的发展提供了支持。
May, 2023
本研究探讨了利用微型极化器技术进行高动态范围成像,通过对不同极化滤镜角度获取的多张图像进行不同曝光时间的拟合,最终提出了一种基于深度快照的 HDR 重建算法,并创建了数据集进行验证,结果表明该方法超越了现有最先进的 HDR 重建算法。
May, 2021
该研究论文利用学习到的紧凑深度图表示和重构三种不同类型的误差,将光度误差,重投影误差和几何误差应用于标准因子图软件中,将不同的方法统一到概率框架中,实现实时性能的同时对现实世界序列的轨迹估计和深度重建进行评估,并呈现了估计的丰富几何示例。
Jan, 2020