論文の概要: Investigating Spherical Epipolar Rectification for Multi-View Stereo 3D
Reconstruction
- arxiv url: http://arxiv.org/abs/2204.04141v1
- Date: Fri, 8 Apr 2022 15:50:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-11 13:06:08.606587
- Title: Investigating Spherical Epipolar Rectification for Multi-View Stereo 3D
Reconstruction
- Title(参考訳): 多視点ステレオ3次元再構成のための球面エピポラリゼーションの検討
- Authors: Mostafa Elhashash, Rongjun Qin
- Abstract要約: 主線の違いによる歪みを最小限に抑えるために, エピポーラ補正のための球面モデルを提案する。
提案手法がフレームベースのエピポーラ補正よりも優れていることを示す定性的,定量的評価を行った。
- 参考スコア(独自算出の注目度): 1.0152838128195467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-view stereo (MVS) reconstruction is essential for creating 3D models.
The approach involves applying epipolar rectification followed by dense
matching for disparity estimation. However, existing approaches face challenges
in applying dense matching for images with different viewpoints primarily due
to large differences in object scale. In this paper, we propose a spherical
model for epipolar rectification to minimize distortions caused by differences
in principal rays. We evaluate the proposed approach using two aerial-based
datasets consisting of multi-camera head systems. We show through qualitative
and quantitative evaluation that the proposed approach performs better than
frame-based epipolar correction by enhancing the completeness of point clouds
by up to 4.05% while improving the accuracy by up to 10.23% using LiDAR data as
ground truth.
- Abstract(参考訳): マルチビューステレオ(MVS)再構成は3次元モデル作成に不可欠である。
このアプローチでは、エピポーラ整流法を適用後、不一致推定のための密マッチングを行う。
しかし、既存のアプローチでは、主にオブジェクトスケールが大きく異なるため、異なる視点のイメージに密なマッチングを適用するという課題に直面している。
本稿では,主光の差による歪みを最小限に抑えるための球面補正モデルを提案する。
提案手法は,マルチカメラヘッドシステムからなる2つの空中ベースデータセットを用いて評価する。
提案手法は, 点雲の完全度を最大4.05%向上させ, 地上真実としてLiDARデータを用いて最大10.23%の精度向上を図ることにより, フレームベースのエピポーラ補正よりも優れた性能を示すことを示す。
関連論文リスト
- PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳(メタデータ) (2024-10-29T15:28:15Z) - GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。
提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
論文 参考訳(メタデータ) (2024-05-17T07:31:20Z) - MonoPatchNeRF: Improving Neural Radiance Fields with Patch-based Monocular Guidance [29.267039546199094]
最新の正規化ニューラルラジアンス・フィールド(NeRF)アプローチは、大規模なスパース・ビュー・シーンの幾何学とビュー外挿を損なう。
我々は密度に基づくアプローチを採り、個々の光線の代わりにパッチをサンプリングし、単分子深度と通常の推定値をよりよく組み込む。
提案手法はETH3Dベンチマークの幾何精度を大幅に向上させる。
論文 参考訳(メタデータ) (2024-04-12T05:43:10Z) - Q-SLAM: Quadric Representations for Monocular SLAM [85.82697759049388]
四角形のレンズを通して体積表現を再現する。
我々は、RGB入力からノイズの深い深さ推定を正すために二次仮定を用いる。
本研究では,新たな二次分割変換器を導入し,二次情報を集約する。
論文 参考訳(メタデータ) (2024-03-12T23:27:30Z) - SD-MVS: Segmentation-Driven Deformation Multi-View Stereo with Spherical
Refinement and EM optimization [6.886220026399106]
テクスチャレス領域の3次元再構成における課題を解決するために,多視点ステレオ (SD-MVS) を導入する。
私たちは、シーン内のセグメンテーションインスタンスを区別するためにSAM(Segment Anything Model)を採用した最初の人です。
球面座標と正規点の勾配勾配と深度の画素方向探索間隔を組み合わせた独自の精細化戦略を提案する。
論文 参考訳(メタデータ) (2024-01-12T05:25:57Z) - RNb-NeuS: Reflectance and Normal-based Multi-View 3D Reconstruction [3.1820300989695833]
本稿では,光度ステレオにより得られる多視点反射率と正規写像を統合するための多目的パラダイムを提案する。
提案手法では, 反射率と正規度の画素ワイドな共同パラメータ化を, 放射光のベクトルとして用いた。
これは、高い曲率または低い視認性を持つ領域の詳細な3D再構成を大幅に改善する。
論文 参考訳(メタデータ) (2023-12-02T19:49:27Z) - Leveraging Monocular Disparity Estimation for Single-View Reconstruction [8.583436410810203]
単分子深度推定の進歩を利用して不均一マップを得る。
我々は,2次元の正規化不均質マップを,関連するカメラパラメータの最適化によって3次元の点群に変換する。
論文 参考訳(メタデータ) (2022-07-01T03:05:40Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳(メタデータ) (2022-02-01T21:21:56Z) - 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) - D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual
Odometry [57.5549733585324]
D3VOは、深度、ポーズ、不確実性推定という3つのレベルでディープネットワークを利用する、単眼の視覚計測のための新しいフレームワークである。
まず,ステレオビデオを用いた自己監督型単眼深度推定ネットワークを提案する。
入力画像上の画素の光度不確かさをモデル化し、深度推定精度を向上させる。
論文 参考訳(メタデータ) (2020-03-02T17:47:13Z)
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。