論文の概要: An Immersive Multi-Elevation Multi-Seasonal Dataset for 3D Reconstruction and Visualization
- arxiv url: http://arxiv.org/abs/2412.14418v1
- Date: Thu, 19 Dec 2024 00:16:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-20 13:32:52.071424
- Title: An Immersive Multi-Elevation Multi-Seasonal Dataset for 3D Reconstruction and Visualization
- Title（参考訳）: 3次元再構成と可視化のための没入型マルチシーソンデータセット
- Authors: Xijun Liu, Yifan Zhou, Yuxiang Guo, Rama Chellappa, Cheng Peng,
- Abstract要約: 我々は、ジョンズ・ホプキンス・ホームウッド・キャンパスの画像集を紹介し、様々な季節、日時、複数の標高、大規模に取得した。
我々は、携帯電話やドローンカメラからカメラパラメータを効率よく回収する多段キャリブレーションプロセスを実行する。
- 参考スコア（独自算出の注目度）: 36.49831471559457
- License:
- Abstract: Significant progress has been made in photo-realistic scene reconstruction over recent years. Various disparate efforts have enabled capabilities such as multi-appearance or large-scale modeling; however, there lacks a welldesigned dataset that can evaluate the holistic progress of scene reconstruction. We introduce a collection of imagery of the Johns Hopkins Homewood Campus, acquired at different seasons, times of day, in multiple elevations, and across a large scale. We perform a multi-stage calibration process, which efficiently recover camera parameters from phone and drone cameras. This dataset can enable researchers to rigorously explore challenges in unconstrained settings, including effects of inconsistent illumination, reconstruction from large scale and from significantly different perspectives, etc.
- Abstract（参考訳）: 近年,写真リアリスティックなシーン再構築が目覚ましい進歩を遂げている。
様々な異なる取り組みにより、マルチ外観や大規模モデリングといった機能を実現しているが、シーン再構築の全体的進捗を評価するための、十分に設計されたデータセットが欠如している。
我々は、ジョンズ・ホプキンス・ホームウッド・キャンパスの画像集を紹介し、様々な季節、日時、複数の標高、大規模に取得した。
我々は、携帯電話やドローンカメラからカメラパラメータを効率よく回収する多段キャリブレーションプロセスを実行する。
このデータセットにより、研究者は、一貫性のない照明効果、大規模な再構築、異なる視点からの再現など、制約のない環境における課題を厳格に探求することができる。
関連論文リスト
- Zero-Shot Multi-Object Scene Completion [59.325611678171974]
1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。
提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
論文 参考訳（メタデータ） (2024-03-21T17:59:59Z) - Den-SOFT: Dense Space-Oriented Light Field DataseT for 6-DOF Immersive Experience [28.651514326042648]
我々は,移動式マルチカメラ大空間高密度光場キャプチャシステムを構築した。
本研究の目的は,一般的な3次元シーン再構築アルゴリズムの開発に貢献することである。
収集されたデータセットは、既存のデータセットよりもはるかに密度が高い。
論文 参考訳（メタデータ） (2024-03-15T02:39:44Z) - R3D3: Dense 3D Reconstruction of Dynamic Scenes from Multiple Cameras [106.52409577316389]
R3D3は高密度3次元再構成とエゴモーション推定のためのマルチカメラシステムである。
提案手法は,複数のカメラからの時空間情報と単眼深度補正を利用する。
この設計により、困難で動的な屋外環境の密集した一貫した3次元再構成が可能になる。
論文 参考訳（メタデータ） (2023-08-28T17:13:49Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z) - 3D reconstruction from spherical images: A review of techniques,
applications, and prospects [2.6432771146480283]
3次元再構成は、現代のフォトグラムシステムにおいてますます重要な役割を担っている。
プロ用および消費者向けの球面カメラの急速な進化と広範囲な利用により、球面画像は都市と屋内のシーンの3Dモデリングに大きな可能性を示している。
本研究は,データ取得,特徴検出とマッチング,画像配向,密マッチングの観点から,球面画像の3次元再構成技術の現状を詳細に調査する。
論文 参考訳（メタデータ） (2023-02-09T08:45:27Z) - Few-View Object Reconstruction with Unknown Categories and Camera Poses [80.0820650171476]
この研究は、カメラのポーズやオブジェクトのカテゴリを知らない少数の画像から、一般的な現実世界のオブジェクトを再構築する。
私たちの研究の要点は、形状再構成とポーズ推定という、2つの基本的な3D視覚問題を解決することです。
提案手法は,各ビューから3次元特徴を予測し,それらを入力画像と組み合わせて活用し,クロスビュー対応を確立する。
論文 参考訳（メタデータ） (2022-12-08T18:59:02Z) - A High Resolution Multi-exposure Stereoscopic Image & Video Database of
Natural Scenes [0.2578242050187029]
インド工科大学マドラス校内で収集した多目的マルチ露光データセットについて紹介する。
データセットはZEDカメラを使用してキャプチャされ、屋外と屋内の複雑なシーンを提供する。
提案されたデータセットは、研究コミュニティで公開されています。
論文 参考訳（メタデータ） (2022-06-22T13:54:02Z) - Towards Non-Line-of-Sight Photography [48.491977359971855]
非視線イメージング(NLOS)は、隠された物体からの多重バウンス間接反射を捉えることに基づいている。
アクティブなNLOSイメージングシステムは、シーンを通しての光の飛行時間の捕捉に依存している。
我々はNLOS写真と呼ばれる新しい問題定式化を提案し、この欠陥に特に対処する。
論文 参考訳（メタデータ） (2021-09-16T08:07:13Z)
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。