論文の概要: Learning Efficient Photometric Feature Transform for Multi-view Stereo
- arxiv url: http://arxiv.org/abs/2103.14794v1
- Date: Sat, 27 Mar 2021 02:53:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 14:41:56.457144
- Title: Learning Efficient Photometric Feature Transform for Multi-view Stereo
- Title(参考訳): 多視点ステレオのための高能率光度特徴変換の学習
- Authors: Kaizhang Kang, Cihui Xie, Ruisheng Zhu, Xiaohe Ma, Ping Tan, Hongzhi
Wu and Kun Zhou
- Abstract要約: 各ビューのperpixelフォトメトリック情報を,空間的特徴とビュー不変の低レベル特徴に変換することを学ぶ。
本フレームワークは,様々な入力データで利用可能な幾何学情報を自動的に適用し,効率的な利用を行う。
- 参考スコア(独自算出の注目度): 37.26574529243778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel framework to learn to convert the perpixel photometric
information at each view into spatially distinctive and view-invariant
low-level features, which can be plugged into existing multi-view stereo
pipeline for enhanced 3D reconstruction. Both the illumination conditions
during acquisition and the subsequent per-pixel feature transform can be
jointly optimized in a differentiable fashion. Our framework automatically
adapts to and makes efficient use of the geometric information available in
different forms of input data. High-quality 3D reconstructions of a variety of
challenging objects are demonstrated on the data captured with an illumination
multiplexing device, as well as a point light. Our results compare favorably
with state-of-the-art techniques.
- Abstract(参考訳): そこで本稿では,各視点のパーピクセル光度情報を,既存の多視点ステレオパイプラインに挿入して3次元再構成を行うことのできる空間的特徴量非可変低レベル特徴に変換することを学ぶための新しい枠組みを提案する。
取得中の照明条件とその後の画素単位の特徴変換の両方を、相異なる方法で共同最適化することができる。
本フレームワークは,様々な入力データで利用可能な幾何学情報を自動的に適用し,効率的な利用を行う。
照明多重化装置で取得したデータと点灯を用いて,様々な難解な物体の高品質な3d再構成を実演する。
その結果,最先端技術と比較した。
関連論文リスト
- IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。
従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。
IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
論文 参考訳(メタデータ) (2024-12-16T18:52:56Z) - Learning Photometric Feature Transform for Free-form Object Scan [44.21941847090453]
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) - DiFT: Differentiable Differential Feature Transform for Multi-View
Stereo [16.47413993267985]
我々は、回転運動で密にキャプチャされた画像のスタックから、各ビューで空間的に識別され、図形ごとに不変な画像へと、微分キューを変換することを学ぶ。
これらの低レベル機能は、既存のマルチビューステレオ技術に直接供給し、拡張された3D再構成を行うことができる。
論文 参考訳(メタデータ) (2022-03-16T07:12:46Z) - Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
多視点画像観測による材料と照明の協調最適化手法を提案する。
従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
論文 参考訳(メタデータ) (2021-11-24T13:58:20Z) - 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) - Multi-Dimension Fusion Network for Light Field Spatial Super-Resolution
using Dynamic Filters [23.82780431526054]
光フィールドの空間分解能を改善するための新しい学習ベースフレームワークを提案する。
再構成された画像は、サブアパーチャ画像とエピポーラ平面画像の両方において、鮮明な細部と明瞭な線も示している。
論文 参考訳(メタデータ) (2020-08-26T09:05:07Z) - Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset
for Spatially Varying Isotropic Materials [65.95928593628128]
多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。
我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
論文 参考訳(メタデータ) (2020-01-18T12:26:22Z)
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。