論文の概要: Polka Lines: Learning Structured Illumination and Reconstruction for Active Stereo

• arxiv url: http://arxiv.org/abs/2011.13117v2
• Date: Wed, 26 May 2021 00:09:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 08:56:17.118705
• Title: Polka Lines: Learning Structured Illumination and Reconstruction for Active Stereo
• Title（参考訳）: Polka Lines: アクティブステレオのための構造化照明と再構成を学ぶ
• Authors: Seung-Hwan Baek, Felix Heide
• Abstract要約: 本稿では,波動光学と幾何光学の両方に依存した,アクティブステレオのための新しい微分可能な画像形成モデルと,新しい三眼再構成ネットワークを提案する。 Polka Lines" を再現ネットワークと組み合わせた共同最適化パターンは, 撮像条件全体にわたって, 最先端のアクティブステレオ深度推定を達成している。
• 参考スコア（独自算出の注目度）: 52.68109922159688
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active stereo cameras that recover depth from structured light captures have become a cornerstone sensor modality for 3D scene reconstruction and understanding tasks across application domains. Existing active stereo cameras project a pseudo-random dot pattern on object surfaces to extract disparity independently of object texture. Such hand-crafted patterns are designed in isolation from the scene statistics, ambient illumination conditions, and the reconstruction method. In this work, we propose the first method to jointly learn structured illumination and reconstruction, parameterized by a diffractive optical element and a neural network, in an end-to-end fashion. To this end, we introduce a novel differentiable image formation model for active stereo, relying on both wave and geometric optics, and a novel trinocular reconstruction network. The jointly optimized pattern, which we dub "Polka Lines," together with the reconstruction network, achieve state-of-the-art active-stereo depth estimates across imaging conditions. We validate the proposed method in simulation and on a hardware prototype, and show that our method outperforms existing active stereo systems.
• Abstract（参考訳）: 構造された光キャプチャーから奥行きを回復するアクティブステレオカメラは、アプリケーション領域全体にわたる3Dシーンの再構築と理解作業の基盤となるセンサモダリティとなっている。 既存のアクティブステレオカメラはオブジェクト表面上に擬似ランダムドットパターンを投影し、オブジェクトのテクスチャとは独立して不一致を抽出する。 このような手作りのパターンは、シーン統計、環境照明条件、再現方法から分離して設計されている。 本研究では, 回折光学素子とニューラルネットワークによってパラメータ化される構造的照明と再構成を, エンドツーエンドで共同で学習する最初の手法を提案する。 そこで本研究では, 波動と幾何光学の両方に依存するアクティブステレオのための新しい微分可能画像生成モデルと, 新たな三眼再構成ネットワークを提案する。 Polka Lines”を再現ネットワークと組み合わせた共同最適化パターンは,撮像条件をまたいだ最先端のアクティブステレオ深度推定を実現する。 提案手法をシミュレーションおよびハードウェアプロトタイプで検証し,提案手法が既存のアクティブステレオシステムよりも優れていることを示す。

関連論文リスト

• Neural Active Structure-from-Motion in Dark and Textureless Environment [1.3378968838200862]
  構造光(SL)システムのための同時形状再構成とポーズ推定手法を提案する。 提案手法は,投影されたパターンのみを観察した画像から,正確な形状復元とポーズ推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-20T12:29:01Z)
• ActiveNeuS: Neural Signed Distance Fields for Active Stereo [1.2470540422791463]
  本稿では,アクティブステレオシステムのためのニューラルサイン付き距離場を提案し,一般化された構造光における暗黙の対応探索と三角測量を可能にする。 本手法では,少ない撮影画像であっても,低光環境下でのテクスチャレス面や等価面の再構成に成功している。 このような厳しい条件下で, 提案手法が最先端の復元品質を達成できることを示す実験を行った。
  論文  参考訳（メタデータ） (2024-10-20T12:20:47Z)
• Learning Photometric Feature Transform for Free-form Object Scan [34.61673205691415]
  本研究では,非構造化ビューから自動で測光データを収集・変換するフレームワークを提案する。 我々は手持ちスキャンから様々な挑戦対象の幾何学的および異方的反射を再構築するシステムを構築した。 結果はプロの3Dスキャナーと写真からの復元に対して検証され、最先端技術と好適に比較される。
  論文  参考訳（メタデータ） (2023-08-07T11:34:27Z)
• TMO: Textured Mesh Acquisition of Objects with a Mobile Device by using Differentiable Rendering [54.35405028643051]
  スマートフォン1台でテクスチャ化されたメッシュを野生で取得するパイプラインを新たに提案する。 提案手法ではまず,RGBD支援構造を動きから導入し,フィルタした深度マップを作成できる。 我々は,高品質なメッシュを実現するニューラル暗黙表面再構成法を採用する。
  論文  参考訳（メタデータ） (2023-03-27T10:07:52Z)
• Deep Learning Methods for Calibrated Photometric Stereo and Beyond [86.57469194387264]
  光度ステレオは、さまざまなシェーディングキューを持つ複数の画像から物体の表面の正常性を回復する。 深層学習法は、非ランベルト面に対する測光ステレオの文脈において強力な能力を示している。
  論文  参考訳（メタデータ） (2022-12-16T11:27:44Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• Active stereo vision three-dimensional reconstruction by RGB dot pattern projection and ray intersection [11.878820609988695]
  本稿では,新しい構造光パターンに基づく新しいパターン抽出法と新しい立体視マッチング法を提案する。 実験結果から, 提案手法により, 物体の3次元形状を再現できることがわかった。
  論文  参考訳（メタデータ） (2020-03-30T10:13:28Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。