无需探测器的运动结构恢复
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
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
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
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
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
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
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
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