关键词non-rigid structure from motion
搜索结果 - 9
- 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 - ECCV非刚性结构运动中的有机先验
本文提倡在经典非刚性运动（NRSfM）中使用有机先验。利用因子分解矩阵中的有机先验，本文提出了一种简单的、有条理的、实用的方法来有效地利用这些先验来解决 NRSfM 问题。提出的方法除了流行的低秩形状的假设外，不做任何其他假设，并且在正交投 - PAUL: 无监督提升的普科鲁斯特自编码器
采用 3D 深度自编码器作为 NRSfM 先验的 Procustean 自编码器可在多个基准测试中展现出与 Deep NRSfM 和 C3PDO 等技术相比的最新性能。
- 用于快速、顺序和密集的非刚性结构运动的本征动态形状先验及其检测
提出了一种基于非刚性运动结构，通过提取形状先验知识并结合稠密 NRSfM 技术进行顺序表面恢复的动态形状先验重建 (DSPR) 方法，具有较高的准确性和鲁棒性以及对形状压缩的应用潜力。
- 从非刚体运动恢复的知识中提取弱监督三维姿态学习
本研究提出基于非刚性结构运动学 (NRSfM) 知识蒸馏的三维姿态估计方法，它仅使用 2D 地标注释而不需要 3D 数据、多视角 / 时间镜头或对象特定先验，从而减轻了监督方法中的数据瓶颈。该方法使用一种新颖的损失，将深度预测与 NRSfM - ICCV深度非刚性结构运动
本文提出了一种基于深度神经网络的非刚性运动结构恢复方法，该方法在订单级别上表现出比所有现有技术更出色的精度和鲁棒性，能够处理规模和形状复杂度前所未有的问题，并提出了一种基于网络权重的质量度量来评估重建可信度。
- 带有缺失数据的深度非刚性运动结构
本文提出了一种基于深度神经网络和稀疏编码模型的新型非刚性运动结构重建方法，通过模型区分位姿和三维结构，解决了先前算法在图片数量和形状可变性方面的局限性，在视觉领域的应用得到了显著的提升。
- 非刚性三维重建：无先验分解方法的再审视
通过充分利用非刚性形状针对平稳变形和跨越低秩空间的假设，这篇研究论文摆脱了简单先验算法的约束，对其核心算法进行了一些基本改进措施，从而实现了比先前最优算法还高约 18% 的性能提升，并在多个数据集上进行了验证。
- 非刚性运动结构基准与评估
提供了一个公开的数据集，以及基于该数据集的非刚性运动结构问题研究的基准和仔细的评估，并对非刚性运动结构问题的研究现状和未来方向进行了研究。