面向非朗伯表面的深度光度立体视觉
计算机视觉与模式识别
2020-07-28 v1
摘要
本文基于深度学习探讨了非朗伯表面在标定与非标定场景下的光度立体视觉问题。我们首先为标定光度立体视觉引入了一个全卷积深度网络，我们称之为PS-FCN。传统方法采用简化的反射模型使问题可解，与此不同，我们的方法直接学习从反射观测到表面法线的映射，并且能够处理具有一般且未知各向同性反射的表面。在测试时，PS-FCN以任意数量的图像及其关联的光照方向作为输入，并在快速的前向传播中预测场景的表面法线图。为了处理光照方向未知的非标定场景，我们引入了一个名为LCNet的新卷积网络，以从输入图像中估计光照方向。然后将估计的光照方向和输入图像送入PS-FCN以确定表面法线。我们的方法不需要预定义的光照方向集合，并且能够以与顺序无关的方式处理多张图像。在合成和真实数据集上对我们方法的全面评估表明，它在标定和非标定场景下均优于SOTA方法。
引用
@article{arxiv.2007.13145,
title = {Deep Photometric Stereo for Non-Lambertian Surfaces},
author = {Guanying Chen and Kai Han and Boxin Shi and Yasuyuki Matsushita and Kwan-Yee K. Wong},
journal= {arXiv preprint arXiv:2007.13145},
year = {2020}
}