无需探测器的运动结构恢复

Jun, 2023

Detector-Free Structure from Motion

Xingyi He, Jiaming Sun, Yifan Wang, Sida Peng, Qixing Huang...

TL;DR提出了一种新的无检测器 SfM 框架，通过注意力机制多视角匹配来改善重建精度，适用于缺少纹理的场景，在基准数据集上优于现有基于检测器的 SfM 系统，并取得了 2023 年图像匹配挑战赛的第一名。

Abstract

We propose a new structure-from-motion framework to recover accurate camera poses and point clouds from unordered images. Traditional SfM systems typically rely on the successful detection of repeatable keypoints across multiple views as the first step, which is difficult for

structure-from-motion camera poses detector-free sfm multi-view matching texture-poor scenes

发现论文，激发创造

基于特征度量细化的像素完美式结构运动恢复

本文通过直接对多个视图中的低级图像信息进行对齐以提高结构运动两个关键步骤的精度，该方法通过采用神经网络预测的密集特征来优化特征度量误差从而提高了相机姿态和场景几何的准确性。

Aug, 2021

具有深度前端的分布式全局结构恢复

通过结合特征提取和匹配方面的发展，我们设计了一个模块化的 SfM 框架，旨在研究全局 SfM 与增量 SfM 方法的性能表现，并且实验证明，在不同数据集上，基于深度学习的两视图对应估计在点密度方面有所提升，但仍不如 SIFT 与增量 SfM 方法相比。

Nov, 2023

结构运动测量概述

本文主要介绍计算机视觉中的结构从运动问题，包括相机运动估计和三维结构恢复等关键技术，以及相关应用，如同时定位和地图构建（SLAM），特征提取和匹配等。

Jan, 2017

基于视觉几何的深度结构运动

我们提出了一种新的深度管道 VGGSfM，其中每个组件都是完全可微的，因此可以进行端到端的训练，通过引入新的机制和简化，我们在三个流行的数据集 CO3D，IMC Phototourism 和 ETH3D 上实现了最先进的性能。

Dec, 2023

深度二视图结构运动再探讨

本研究使用光流、姿态估计和深度估计网络，实现了相对摄像机位姿和深度图的两视角结构运动重建，表现明显优于现有的同类方法。

Apr, 2021

结构光中的语义验证

本文探讨将语义分割技术整合进 Structure from Motion (SfM) 中，通过利用卷积神经网络对输入图像进行像素标记，进而应用于 3D 点云的估算，并比较标记语义的关键点。在一个重复建筑场景的数据集上进行了验证，提出了一种改进 3D SfM 模型的新方法。

Apr, 2023

半稠密无检测器方法在匹配局部特征上表现如何？

在相对位姿估计评估上，SDF 方法的性能优于 SAM，但 SAM 方法在纹理区域的匹配准确性上胜过 SDF 方法，同时揭示了纹理区域的准确对应能力与位姿估计的准确性之间的强相关性

Feb, 2024

用于运动结构的统一视图图选择框架

本研究提出了一种基于优化框架和网络流算法的视图图优化框架，可用于大规模运动结构三维重建，并通过成本模型实现了高精度、高效、准确重建的任务目标，该模型可以抽象出数据集和重建目标中独特的挑战，并显著改善了通用 SfM 管道的表现。

Aug, 2017

全景式视频的运动结构

本文提出了一种新颖的运动结构算法用于重建无需相机固有标定的全景视频，通过建立一个先验假设并提出三种新的相对姿态方法来实现物体重建，并且采用相机位姿的软先验来调整优化问题，实现多视角立体检测。

Jun, 2019

ParticleSfM：利用稠密点轨迹定位野外运动相机

提出了一种基于密集间接结构运动方法的鲁棒性摄像机姿态估计方法，利用密集对应初始化并优化长程视频对应关系作为密集点轨迹并用于学习运动分割的鲁棒估计；实验表明我们的系统相对于现有最先进方法在 MPI Sintel 数据集上产生了更准确的摄像机轨迹，并在全静态场景上保持合理的摄像机姿态准确度，这也印证了基于光流和点轨迹的密集间接方法的潜力。

Jul, 2022