Nov, 2023

基于物理引导的模板形状恢复：通过神经替代模型的单目视频感知

PDF
TL;DR基于预训练神经替代模型的快速和稳定的织物三维重建算法，可精确、稳定、平滑地重建几何体，与物理基础的 SfT 方法相比，运行时间减少了 400-500 倍。
3d reconstructiondynamic scenesshape-from-template (sft) methodsneural surrogate modelcloth reconstruction
发现论文，激发创造
  • 基于物理模型的模板形态恢复 (φ-SfT)

    该研究提出了一种使用可微物理模拟方法的 SfT 方法，该方法具有更高的重建精度，并通过 RGB-D 相机采集数据进行验证。

    Mar, 2022

  • LASR: 从单目视频学习关节形状重建

    本文提出了一种无模板的分析合成策略的方法，可以从单个视频中学习三维形状，有效地重建了人、动物和未知类别对象的非刚性三维结构。

    May, 2021

  • REC-MV: 从单目视频中重建 3D 动态布料

    本文提出了一种名为 REC-MV 的新方法，可以通过优化 3D 服装特征曲线和表面重建来从单目视频中提取出开放式服装网格，结果显示该方法在多个数据集上表现优于现有方法并且能够产生高质量的动态服装表面。

    May, 2023

  • 从单视图学习重构无纹理可变形表面

    论文提出了一种基于数据驱动的方法，可以用于从单张图片中预测纹理缺失表面的三维重建结果，结果可以表示为网格、法线或深度图等形式，研究表明在文中所述情境下，网格并不适用于处理纹理缺失表面的三维重建。该方法可以很好地泛化到未见过的物体，并且更优于目前最先进的 SfS 技术。

    Mar, 2018

  • HeadRecon：基于单目视频的高保真三维头部重构

    从任意单眼视频中重建高保真 3D 头部模型的方法。设计了一个带有两个动态变形场的动态隐式神经网络，通过学习的有符号距离场在规范空间中建模头部几何形状，以提高重建精度和鲁棒性。与先进方法的大量消融研究和比较显示出我们提出的方法的有效性和鲁棒性。

    Dec, 2023

  • 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

  • 通过 3D 模型估计跟踪未知视频对象

    本文提出一种新的方法，在视觉目标追踪方面通过 3D 形态和位姿表达，结合可微分渲染技术优化一个新型的损失函数，取得了在三个数据集上追踪刚性物体方面的最新进展。

    Apr, 2023

  • 从普通视频学习非刚性 SfM 的先验知识

    通过一次稀疏点轨迹矩阵的前向传递，我们提出了 TracksTo4D—— 一种新颖的基于深度学习的方法，用于从野外视频中推断出来自动态内容的三维结构和相机位置。

    Apr, 2024

  • Intrinsic3D： 高质量的 3D 重建，通过联合外观和几何优化，带有空间变化照明

    本文提出一种新的方法，可同时优化几何编码、纹理以及材料和场景照明，以从消费级 RGB-D 传感器中获得高质量的 3D 重建。

    Aug, 2017

  • 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