用于视图合成的深度多深度全景图
计算机视觉与模式识别
2020-08-06 v1 图形学
摘要
我们提出了一种基于学习的方法，用于多相机 360 全景采集装置的新型视图合成。先前工作从此类数据构建 RGBD 全景图，允许少量平移的视图合成，但无法处理由大幅平移引起的去遮挡和视相关效应。为解决此问题，我们提出了一种新颖场景表示——多深度全景图(MDP)——它由多个 RGBD 全景图组成，同时表示场景几何与外观。我们展示了一种基于深度神经网络的方法，从多相机 360 图像重建 MDP。MDP 比先前的 3D 场景表示更紧凑，并实现高质量、高效的新视图绘制。我们通过合成与真实数据的实验以及与先前最先进方法(涵盖基于学习的方法和经典基于 RGBD 的方法)的比较展示了这一点。
引用
@article{arxiv.2008.01815,
title = {Deep Multi Depth Panoramas for View Synthesis},
author = {Kai-En Lin and Zexiang Xu and Ben Mildenhall and Pratul P. Srinivasan and Yannick Hold-Geoffroy and Stephen DiVerdi and Qi Sun and Kalyan Sunkavalli and Ravi Ramamoorthi},
journal= {arXiv preprint arXiv:2008.01815},
year = {2020}
}
备注
Published at the European Conference on Computer Vision, 2020