- 超出光流的多图像超分辨率的深度 3D 世界模型
多图像超分辨率 (MISR) 方法以子像素偏移的形式结合多张图像中的互补信息来提高低分辨率 (LR) 图像的空间分辨率,在准确注册和融合多图像信息方面存在困难。本研究提出的 EpiMISR 模型通过使用采集过程的极线几何以及基于 Trans - 重访几何估计问题的 Sampson 近似
研究纸试图重新审视 Sampson 近似,并提供新的理论洞察力,解释了这一近似在何时何地有效,并在一些温和的假设下提供了明确的收敛边界。通过对真实数据和不同的几何估计任务进行验证,我们得出了一些实验证明了我们的理论结果。
- 从对应关系到姿态:非极小化、可证优化的无需消歧的相对姿态估计
该论文通过将相对位姿估计建模为一个二次约束二次规划问题,直接从对应关系中估计正确的相对相机位姿,绕过后续的唯象几何约束的加强处理步骤,通过详尽的合成和实际实验证实了该方法的有效性、高效性和准确性。
- 具有极线位移场的容忍視差圖像拼接
基于视线几何和薄板样条的新方法,用于大视差图像拼接,旨在解决局部和整体结构维持、对齐伪影和变形问题。实验结果表明该方法在拼接大视差图像中具有竞争力。
- ICCV当极线约束遇上多视点立体的非局部算子
应用非局部特征增强和基于双线搜索的 Transformer 方法改进多视角立体视觉的特征匹配,并在学习式 MVS 基线 ET-MVSNet 中加入 Epipolar Transformer 技术,提高了重建性能。
- CVPRDualRefine: 应用自监督方法的深度及姿态估计技术,通过迭代次数的外极线采样及精度提高达到平衡状态
本文提出了一种用于自监督多帧深度估计的 DualRefine 模型,通过反馈循环紧密耦合深度和姿态估计,使用一个深度均衡模型框架来迭代地改进深度估计,同时结合极线几何计算局部匹配成本,证明在 KITTI 数据集上具有竞争性的深度预测和里程计 - 通用补丁基础神经渲染
该研究提出一种新的方法,利用极线几何法提取采样自场景的块,将其通过一系列变换器进行预处理后预测目标采样射线的颜色,从而在不需要深度特征和 NeRF-like 卷积体积渲染的情况下,实现对未见过的场景的新视图综合,其具有更好的泛化性能,并且即 - 使用双层优化进行光流和自我运动的联合无监督学习
利用几何约束将光流和相机运动估计问题融合为一个双层优化问题,进一步优化了基于无监督深度学习框架的光流估计和相机运动估计的质量,相较于其他无监督学习方法,获得了更好的结果。
- 视觉里程计再探:应该学习什么?
本文提出了一种单目视觉里程计算法,它结合了基于几何方法和深度学习的思想,并利用两个卷积神经网络进行深度估计和光流估计。在 KITTI 数据集上的实验表明,该算法具有较强的鲁棒性和良好的性能。
- 局部仿射参考系的最优多视角校正
通过预估每个图像对之间的极线几何关系,构造一种针对部分仿射协变特征检测器的标准仿射框架校正算法,并验证该算法可用于预处理步骤以提高相机姿态估计、表面法线和单应性矩阵等任务的准确性。
- 自监督自运动估计的光度损失之外
本研究针对相对姿态在视觉测距和同时定位与地图构建中的重要性,介绍了一种基于自我监督学习的方法,同时优化相对姿态和目标图像深度,并通过引入在自我监督框架中被极线几何约束的匹配损失来弥合几何损失和光度损失之间的差距。在 KITTI 数据集上基于 - ShapeFit 与 ShapeKick 用于鲁棒性强、可扩展的运动结构
研究一种基于对偶问题与正则化实现全局位置恢复的算法,该算法可在考虑存在干扰性数据的情况下实现精确的恢复,可以用于计算比例尺不确定的相机相对位姿,并在实验中得到了验证。
- CVPR滚动快门相机相对姿态:广义极线几何
本文详细研究了旋转快门相机的几何问题,引入了旋转快门本质矩阵并将其与现有模型建立联系,从而总结出多透视相机干净的层次结构。此外,该文还引入了旋转快门情况下的 Sampson 距离,并通过在多个验证数据集上的实验,深入调查了旋转快门相机的外极 - ECCV球面上的运动结构
本研究针对相机在球面上旋转的特殊情况,通过分析对极几何得出只需最少三个点的对应关系即可快速求解两张图像之间本质矩阵的方法,并将其应用于场景建模和物体扫描中。