dense reconstruction | BriefGPT

关键词dense reconstruction

搜索结果 - 6

SceneFactory: 基于工作流的增量场景建模统一框架
SceneFactory 是一个工作流为中心的统一框架，支持增量场景建模、多视图深度估计、密集重建等各种应用，同时提供了一种无姿态无标定的多视图深度估计模型（U2-MVD）以及用于高质量表面和颜色重建的改进点光栅化方法（IPR）。
PDF2 months ago
NeRF-VO：基于神经辐射场的实时稀疏视觉里程计
我们引入了一种新颖的单目视觉里程计（VO）系统 NeRF-VO，它整合了基于学习的稀疏视觉里程计用于低延迟相机跟踪和神经辐射场景表示用于复杂的密集重建和新视角合成。我们的系统使用稀疏视觉里程计初始化相机位姿，并从单目深度预测网络获取视角相关
PDF7 months ago
使用单目事件相机进行密集体素三维重建
使用事件相机，提出了一种解决仅使用单个事件相机进行密集三维重建的新方法，结果显示该方法无需使用现有方法的流水线即可直接生成可视化区分的密集三维重建，同时创建了一个使用事件相机模拟器生成的合成数据集，加速了相关研究。
PDF10 months ago
使用带引导的稀疏特征体积融合从单目视频中增量稠密重建
本文提出了基于特征体积的实时密集重建方法，采用稀疏的深度特征体积来预测 TSDF 值，通过多视角图像聚合细节信息进行时序融合，实现了比以往更高分辨率和更完整细节的三维几何图形重建，其在室内和室外场景中都比现有的方法具有更好的实时重建性能。
PDFa year ago
SplitFusion: 非刚性场景的同时跟踪和建图
提出了一种新的基于深度学习的语义瞬间分割技术的 RGB-D SLAM 框架 SplitFusion，该框架可以同时对场景中的刚性和非刚性组件进行跟踪和密集重构，提供了精确的环境地图和重建的非刚性目标，例如移动的人类。
PDF4 years ago
具有不对称棋盘传播和多假设联合视图选择的多视角立体
本文介绍了一种基于 PatchMatch 算法的快速准确的 3D 密集重建方法 AMHMVS，采用不对称棋盘格传播策略，通过多假设联合视图选择来聚合多图像信息，实现了高精度和完整性密集重建。
PDF6 years ago