論文の概要: High-Quality RGB-D Reconstruction via Multi-View Uncalibrated
Photometric Stereo and Gradient-SDF
- arxiv url: http://arxiv.org/abs/2210.12202v1
- Date: Fri, 21 Oct 2022 19:09:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 17:11:44.334144
- Title: High-Quality RGB-D Reconstruction via Multi-View Uncalibrated
Photometric Stereo and Gradient-SDF
- Title（参考訳）: 多視点光度ステレオとグラディエントSDFによる高画質RGB-D再構成
- Authors: Lu Sang and Bjoern Haefner and Xingxing Zuo and Daniel Cremers
- Abstract要約: 本稿では、カメラのポーズ、照明、アルベド、表面の正規化に取り組み、新しい多視点RGB-Dベースの再構成手法を提案する。
提案手法は,特定の物理モデルを用いて画像描画過程を定式化し,実際の表面の体積量を最適化する。
- 参考スコア（独自算出の注目度）: 48.29050063823478
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Fine-detailed reconstructions are in high demand in many applications.
However, most of the existing RGB-D reconstruction methods rely on
pre-calculated accurate camera poses to recover the detailed surface geometry,
where the representation of a surface needs to be adapted when optimizing
different quantities. In this paper, we present a novel multi-view RGB-D based
reconstruction method that tackles camera pose, lighting, albedo, and surface
normal estimation via the utilization of a gradient signed distance field
(gradient-SDF). The proposed method formulates the image rendering process
using specific physically-based model(s) and optimizes the surface's quantities
on the actual surface using its volumetric representation, as opposed to other
works which estimate surface quantities only near the actual surface. To
validate our method, we investigate two physically-based image formation models
for natural light and point light source applications. The experimental results
on synthetic and real-world datasets demonstrate that the proposed method can
recover high-quality geometry of the surface more faithfully than the
state-of-the-art and further improves the accuracy of estimated camera poses.
- Abstract（参考訳）: 細かな再設計は多くの応用において高い需要がある。
しかし、既存のrgb-d再構成手法のほとんどは、事前計算された正確なカメラに依存しており、異なる量に最適化する際に表面の表現を適応する必要がある詳細な表面形状を復元している。
本稿では,グラデーション符号付き距離場(gradient-sdf)を利用して,カメラのポーズ,照明,アルベド,表面の正常な推定を行うマルチビューrgb-dによる再構成手法を提案する。
提案手法は, 特定の物理モデルを用いてレンダリング過程を定式化し, 実表面近傍にのみ表面量を推定する他の作品とは対照的に, その体積表現を用いて実表面上の表面量を最適化する。
本手法の有効性を検証するため,自然光と点光源の物理画像形成モデルについて検討した。
合成および実世界のデータセットを用いた実験結果から,提案手法は現状よりも高品質な表面形状を復元し,推定カメラポーズの精度を向上できることが示された。
関連論文リスト
- NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。
偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。
我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
論文 参考訳（メタデータ） (2024-06-11T09:53:18Z) - ANIM: Accurate Neural Implicit Model for Human Reconstruction from a single RGB-D image [40.03212588672639]
ANIMは単視点RGB-D画像から任意の3次元形状を前例のない精度で再構成する新しい手法である。
我々のモデルは、深度情報を活用するためにピクセル整列とボクセル整列の両方の機能から幾何学的詳細を学習する。
実験によると、ANIMはRGB、表面正規、ポイントクラウド、RGB-Dデータを入力として使用する最先端の作業よりも優れている。
論文 参考訳（メタデータ） (2024-03-15T14:45:38Z) - NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。
提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
論文 参考訳（メタデータ） (2023-12-07T19:30:55Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳（メタデータ） (2023-04-24T21:39:13Z) - Multi-View Neural Surface Reconstruction with Structured Light [7.709526244898887]
微分可能レンダリング(DR)に基づく3次元オブジェクト再構成はコンピュータビジョンにおいて活発な研究課題である。
DRに基づく多視点3Dオブジェクト再構成において,構造化光(SL)を用いたアクティブセンシングを導入し,任意のシーンやカメラポーズの未知の形状と外観を学習する。
本手法は, テクスチャレス領域における高い再現精度を実現し, カメラポーズキャリブレーションの労力を削減する。
論文 参考訳（メタデータ） (2022-11-22T03:10:46Z) - 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) - Learning Signed Distance Field for Multi-view Surface Reconstruction [24.090786783370195]
ステレオマッチングと特徴整合性の知識を生かした新しいニューラルネットワーク表面再構成フレームワークを提案する。
サインされた距離場(SDF)と表面光場(SDF)をそれぞれ、シーン形状と外観を表すために適用する。
本手法は,地形推定のロバスト性を向上し,複雑なシーントポロジの再構築を支援する。
論文 参考訳（メタデータ） (2021-08-23T06:23:50Z) - SIDER: Single-Image Neural Optimization for Facial Geometric Detail
Recovery [54.64663713249079]
SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。
以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
論文 参考訳（メタデータ） (2021-08-11T22:34:53Z) - Photometric Multi-View Mesh Refinement for High-Resolution Satellite
Images [24.245977127434212]
最先端の復元手法は一般的に2.5次元の標高データを生成する。
マルチビュー衛星画像から全3次元表面メッシュを復元する手法を提案する。
論文 参考訳（メタデータ） (2020-05-10T20:37:54Z)
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。