分支高斯过程及其在三维树木时空重建中的应用
计算机视觉与模式识别
2016-08-16 v1
摘要
我们提出了一种从单目图像估计动态三维曲线分支结构的鲁棒方法。虽然从图像进行三维重建已被广泛研究，但估计纤细结构受到的关注较少。在存在相机误差、场景运动以及曲线必须附着成分支结构的约束下，这一问题变得更具挑战性。我们提出了一种新的通用先验——分支高斯过程（BGP），它对曲线的空间平滑性和时间动态进行建模，同时强制它们之间的附着关系。我们应用该先验将三维树木直接拟合到图像数据，使用基于期望传播的高效近似推断方案。BGP 先验的高斯形式使我们能够对给定模型结构的三维树木进行近似边缘化，从而能够在不同复杂度的树木模型之间进行原则性比较。我们在一个新颖的多视图数据集上测试了我们的方法，该数据集描绘了具有已知三维结构和拓扑且经历小幅非刚性运动的植物。我们的方法优于为静止纤细结构设计的最先进三维重建方法。我们在几种常用度量下进行评估，并为运动下分支多部件三维场景的重建提出了一种新的度量。
引用
@article{arxiv.1608.04045,
title = {Branching Gaussian Processes with Applications to Spatiotemporal Reconstruction of 3D Trees},
author = {Kyle Simek and Ravishankar Palanivelu and Kobus Barnard},
journal= {arXiv preprint arXiv:1608.04045},
year = {2016}
}
备注
ECCV 2016