CVPRMar, 2023

基于切向空间一致性的多视角方位立体

PDF
TL;DR本文提出了一种仅使用校准多视图表面方位地图进行三维重建的方法 —— 多视图方位立体。这种方法对于无纹理或具有镜面效果的表面来说非常有效，并通过引入切空间一致性概念，在使用光度立体方法或偏振成像时，利用切空间一致性以恢复形状，从而绕过了可能的复杂天顶角估计。实验表明，即使没有天顶角，使用来自各种来源的方位地图，我们的方法也能够验证准确的形状恢复。
3d reconstructionmulti-view azimuth stereotangent space consistencyneural implicit surface representationphotometric stereo
发现论文，激发创造
  • 一般光照条件下的变分未校准光度立体重建

    本文提出了一种高效的原则性变分方法来进行低限制的反射光照下未校准的 Photometric Stereo 技术，其中近似于通过球形谐波展开的兰伯特反射模型，通过单个变分问题来联合恢复形状，反射和光照。

    Apr, 2019

  • Plan3D: 面向航拍多视角立体重建的视点和轨迹优化

    本文介绍了一种高效计算户外场景中高质量 3D 重建的视点和轨迹的新方法，利用搭载在自主导航四旋翼飞行器上的 RGB 摄像机采集图像，并利用分层的体积表示区分未知、自由和占据空间，利用信息增益来处理遮挡，避免障碍并规划无碰撞的飞行路径，以限制四旋翼的总飞行距离，获得了多项令人信服的 3D 重建结果，并证明了此方法的量化提升。

    May, 2017

  • 多视角光度立体测量：一种适用于空间变异等向性材料的稳健解决方案和基准数据集

    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

  • 稀疏多视图图像抓取的深度 3D 捕获：几何和反射

    本研究提出了一种基于多视角立体网络、光谱反射率、深度学习的方法，旨在从六幅图像中重建物体的高质量几何结构和空间变化的 BRDF，通过最小化光度误差优化多视角反射率网络的潜在空间，成功地实现了从稀疏数据中重建出高质量的物体，进而渲染出真实的图像。

    Mar, 2020

  • Metric3D：基于单张图片的零样本度量三维预测

    基于大规模数据训练和解决来自不同摄像机模型的度量歧义，实现了在野外图像中无需训练即可广义泛化的单视图度量深度模型，并在 7 个零样本基准测试上展现了领先表现。

    Jul, 2023

  • 学习多视角立体机

    通过特征投影和反投影沿视线的方式，我们提出了一种用于多视图立体成像的学习系统，通过可微化运算，我们能够对 3D 形状进行度量重构，从而实现在几张相对较少的图像（甚至一张图像）中重建 3D 图像，并且证明了我们的方法在 ShapeNet 数据集上优于传统方法和最新的基于学习的方法。

    Aug, 2017

  • 从 360 度图像中估算 3D 场景几何：一项调查

    本文综述了基于单个、两个或多个以全景光学成像系统拍摄的图像的先驱和最先进的三维场景几何估计方法，包括基于全景数据的单目布局和深度推断、球面域上的立体匹配，以及使用多视角相机设置的光场、多视图立体和运动结构等方面的方法，并讨论了各种目的的常用数据集和性能指标。最后，指出了当前和未来的研究趋势。

    Jan, 2024

  • 用于高分辨率卫星图像的光度多视图网格细化

    该篇论文介绍了一种通过多视角卫星图像获取完整三维表面网格的方法，并通过优化表面与梯度下降算法对数字高程模型进行完善，同时展示了该方法通过卫星数据可用于立面结构等的三维几何重建。

    May, 2020

  • 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

  • 稀疏视角，近光源：非标定点照明光度立体的实用范式

    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