关键词shape from polarization
搜索结果 - 5
- 利用偏振 - Unet 进行表面法线重构
本文介绍了一种利用极化成像的端到端深度学习方法来实现物体表面法线的高精度三维重建的方法,并通过定量和定性的评估结果表明,该方法相较于基于物理的方法在整个数据集上能够以最低的平均角误差(MAE)值为 18.06 度来准确重建物体表面法线。
- 文化遗产物体的高分辨率表面重建:基于极化法的形状提取
通过极化方法,结合摄影测量方法,可以获得高分辨率的文化遗产物体的三维重建,相比摄影测量方法提高了 10 倍的深度分辨率。
- CVPR野外场景的极化形状感知
该研究提出了一种新的基于数据驱动和物理学先验信息的场景级别单极化图像法线估计方法,并且建立了第一个真实场景级别形态恢复数据集。该方法采用了多头自注意力与视图编码来处理在野外环境中形成的极化杂波和联机投影问题,实验结果表明,相对于现有的形态恢 - 极化光深度信息提取
本研究运用深度学习探讨了极化成形(SfP)问题。通过将物理模型融入神经网络架构中,创新性地兼顾了数据驱动和物理驱动,取得了在不同光照、材质和涂装条件下的最佳测试结果。
- 混合极化形态
本文提出了一种新的使用视点和极化数据来完整分离漫反射和镜面反射组件、恢复折射率和最终恢复三维形状的方法,在分离过程中涉及了极化的物理特性,证明了与基准方法有竞争力的结果,并恢复了其他信息(例如折射率)