Jun, 2023

StreetSurf：将多视角隐式表面重建扩展到街景

PDF
TL;DR本文提出了一种新型的多视角隐式曲面重建技术 ——StreetSurf，适用于广泛使用的自动驾驶数据集中的街景图像，特别是在没有 LiDAR 数据的情况下，旨在解决街景图像中场景几何形状、纹理等问题。
multi-view implicit surface reconstructionstreet view imagesneural renderinggeometrymonocular models
发现论文，激发创造
  • EvaSurf: 移动设备上高效视图感知的隐式纹理表面重建

    在移动设备上，我们提出了一种名为 EvaSurf 的高效视图感知隐式纹理重建方法，它使用表面模型和内嵌高保真隐式纹理，结合轻量级神经着色器，以实现在移动设备上的实时渲染，从而为计算机视觉中的三维重建应用领域提供了高质量和高效率的解决方案。

    Nov, 2023

  • NeuSurf：基于表面先验的稀疏输入视图下的神经表面重建

    利用表面先验信息实现稀疏视角下高保真度的重构，通过全局几何对齐和本地几何细化，优化粗糙形状和细节，实现的稀疏视角重构框架在稀疏视图下得到了显著提升。

    Dec, 2023

  • 基于神经渲染的自动驾驶城市场景重建

    利用多模态数据结合深度学习模型进行密集三维重建，从而提高自动驾驶中的标注验证、数据扩充、缺失 LiDAR 系统的地面真值注释以及自动标记准确性的应用效果。

    Feb, 2024

  • 城市辐射场

    从由摄像头和扫描器捕捉的 RGB 图像和激光雷达扫描序列中，使用我们的扩展方法，生成具有深度信息的 3D 表面，以及合成新颖的 RGB 图像。

    Nov, 2021

  • 利用街景图像增强航拍图像的单目高度估计

    通过结合街景图像和几何约束，本文提出了一种改进单目高度估计的方法，实验结果表明该方法比基线方法更准确且在精度和结构一致性方面有显著改进。

    Nov, 2023

  • 从鸟瞰到街景：一项调查

    通过筛选 20 篇研究论文，本研究全面回顾了从对应的卫星图像合成街景图像的最新技术，主要发现是：（i）需要采用新颖的深度学习技术来合成更加逼真准确的街景图像；（ii）需要收集更多的数据集供公众使用；（iii）需要研究更加具体的评估指标来恰当评估生成的图像。结论是，由于使用了过时的深度学习技术，最近的文献未能生成详细多样的街景图像。

    May, 2024

  • 基于几何引导的卫星图像街景全景合成

    本文提出了一种新的方法，通过建立街景全景图和卫星图像之间的几何对应关系，生成具有新颖性的街景全景图，并展示它在场景几何上的优越性。

    Mar, 2021

  • 通过解离几何和外观来进行多视图神经表面重建

    本文介绍一种神经网络架构，通过联合学习未知几何形状、相机参数和神经渲染器，能够高质量、高精度、高细节地实现多角度 3D 表面重建。该方法通过零级集的神经网络表示几何形状，并采用基于渲染方程的神经渲染器来预测表面上的光的反射情况，具有广泛的光照和材质建模能力。

    Mar, 2020

  • UNISURF：统一神经隐式曲面和辐射场用于多视角重建

    该研究通过统一的方式制定了表面和体渲染，从而使得无需任何输入蒙版即可实现准确表面重建，并通过实验证明其能够在各方面都优于 NeRF 方法并与 IDR 方法相媲美。

    Apr, 2021

  • 同时进行地图和物体重建

    本文提出了一种用于从 LiDAR 重建大规模城市场景的动态表面重建方法，通过全局优化降低预测表面与输入 LiDAR 扫描数据的距离，实现了对刚性移动物体的运动补偿，并展示了该系统在自动标记局部注释序列和生成难以标记问题的真实注释方面的应用。

    Jun, 2024