ICCVSep, 2023

拥挤场景下鲁棒的帧间相机旋转估计

PDF
TL;DR我们提出了一种从手持单目视频中估计拥挤真实场景中相机旋转的方法，通过在 SO (3) 上引入 Hough 变换，可在光流中高效而鲁棒地找到与之最相符的相机旋转，且在速度上比其他方法更准确。
camera rotation estimationcrowded scenesmonocular videohough transform on so(3)optical flow
发现论文，激发创造
  • 快速，稳健，连续单目自运动计算

    使用期望残差似然方法（ERL）对噪声、光流估计和场景非刚性引起的非高斯噪声进行建模，有效地识别异常值并在许多设置中恢复恰当的置信度权重，从而超过基线单目自我运动估计策略。

    Feb, 2016

  • 鲁棒性一致的视频深度估计

    本文提出了一种用于估计一致密集深度图和相机姿态的算法，该算法基于学习的深度先验和几何优化相结合，不需要输入相机姿态，并能够在包括噪声、抖动、运动模糊和卷帘快门失真等多种挑战性条件下实现稳健的重建。

    Dec, 2020

  • 基于增量旋转平均和环路闭合的单目旋转里程计

    通过 2D-2D 特征匹配技术，利用旋转平均算法设计一种可快速而又准确地估算单目相机旋转方向的系统，该系统通过维护一个视图图形并解决旋转问题来估算摄像机轨迹和地图，并驱动 V-SLAM 系统跟踪纯旋转运动。

    Oct, 2020

  • 基于虚拟相机的自由移动物体重建与姿态估计

    我们提出了一种从单目 RGB 视频中重建自由移动物体的方法，无需任何先验信息，通过基于隐式神经表示同时优化对象的形状和姿态，其中方法的关键是一个虚拟摄像机系统，显著减小了优化的搜索空间。通过在 HO3D 数据集和佩戴在头部设备上捕获的主观 RGB 序列上的评估，我们证明了该方法明显优于大多数方法，并且与假设先验信息的最新技术相媲美。

    May, 2024

  • 匹配与定位：基于深度特征匹配的低频单目里程计

    通过使用单个相机，本文提出了一种对机器人测位的新方法，通过匹配图像特征和使用卷积神经网络进行调整，以可靠地估计机器人的位置和方向。

    Nov, 2023

  • 面向稳健和无约束全旋转角度头部姿态估计

    使用旋转矩阵法进行端到端的头部姿态预测，通过引入连续 6D 旋转矩阵表示法和地理损失方法来有效学习头部旋转外观并克服当前最先进方法的限制，从而大幅提高头部姿态预测的范围和稳定性。

    Sep, 2023

  • 学习从复杂野外场景中恢复鲁棒的三维人体网格

    该研究论文提出了一种名为 3DCrowdNet 的深度学习模型，利用 2D 人体姿态估计和基于关节回归的方法，从拥挤的实景图像中恢复出单个人的三维人体模型。

    Apr, 2021

  • 从野外的单目视频实现稳健且平滑的三维多人姿势估计

    3D 姿态估计是计算机视觉中一项非常重要的任务，特别是针对多人单目视频（3DMPPE）的 3D 姿态估计仍然具有挑战性，我们提出了 POTR-3D，这是第一个基于序列到序列的 2D 到 3D 模型实现的 3DMPPE，采用一种新颖的几何感知数据增强策略，能够生成具有各种视角的无界数据，并关注地面和遮挡效果，通过大量实验证明，我们的方法在不同的未知视角上具有鲁棒性，在重度遮挡下能够可靠地恢复姿态，并生成更自然和平滑的输出，我们的方法在公开基准上取得了最先进的性能，并在具有挑战性的野外视频上取得了定性结果。

    Sep, 2023

  • 视频中的自监督物体运动和深度估计

    本文提出了一种自监督学习框架，从视频中估算单个对象的运动和单眼深度，并将对象运动建模为六个自由度刚体变换；此外，该方法还使用实例分割掩码引入对象信息，并通过引入新的几何约束损失项消除运动预测的尺度歧义，实验结果表明，该框架在不需要外部注释的情况下处理数据并能够捕捉对象的运动，与自监督研究方法相比，在 3D 场景流预测方面有更好的表现，对动态区域的视差预测也有所贡献。

    Dec, 2019

  • 自监督多帧单眼场景流

    本文通过自监督学习介绍了一种基于多帧单目场景流网络的方法，该方法在保持实时效率的同时显著提高了准确性，并通过在 KITTI 数据集上进行测试达到了自我监督学习中的最新水平。

    May, 2021