dense depth map | BriefGPT - AI 论文速递

关键词dense depth map

搜索结果 - 6

OGNI-DC：通过优化引导的神经迭代实现鲁棒深度补全
OGNI-DC 是一种用于深度完成的新颖框架，通过优化引导的神经迭代 (OGNI) 方法生成密集深度图，具有强大的泛化性能和高准确性
PDF17 days ago
EVI-SAM: 鲁棒、实时、紧耦合的事件 - 视觉 - 惯性状态估计和三维稠密建图
提出了一种使用单目事件相机解决 6 自由度姿态跟踪和 3D 重建问题的 EVI-SAM 方法，通过深度图、短浮点函数融合和基于事件的映射方法实现鲁棒的姿态跟踪和稠密地图生成，在挑战性场景中展现卓越的性能表现。
PDF6 months ago
3D 高斯补洞在少样本图像中的深度正则化优化
通过引入密集深度图，用于减轻过拟合问题，我们提出了一种方法来优化具有有限图像数量的高斯喷洒。我们通过将众多高斯喷溅结合起来表示 3D 场景，取得了出色的视觉效果。我们使用预训练的单目深度估计模型获取深度图，然后通过稀疏 COLMAP 特征点
PDF7 months ago
ICCV不使用显式三维运动估计的复杂动态场景密集深度估计
本文提出了一种基于光流和稀疏深度先验的方法，将动态场景模型假设为分段平面模型，计算其局部刚性变换和尽可能刚性的全局变换，无需显式估计 3D 旋转和平移即可高效恢复场景的深度密集图，适用于广泛的场景。
PDF5 years ago
从单张图像和稀疏范围提取密集深度后验（DDP）
通过利用 lidar 提供的稀疏深度测量数据，我们提出了一种深度学习系统来推断与图像相关的密集深度图的后验分布，并通过使用条件先验网络和似然度量术来完成地图。我们在 KITTI 基准测试上进行了无监督和监督深度补全测试，并在两方面都改进了最
PDF5 years ago
UnDEMoN 的更深入了解：深度和自我运动估计的非监督深度网络
本文提出一种基于无监督深度学习框架 UnDEMoN，用于直接从单目图像中确定密集深度图和 6 自由度相机姿态信息的方法。我们通过引入一个新的目标函数，同时最小化空间和时间重建损失，使用双线性采样核定义这些损失，并使用 Charbonnier
PDF6 years ago