DI-Fusion：基于深度先验的在线隐式三维重建
计算机视觉与模式识别
2021-03-29 v2 图形学
机器人学
摘要
以往的在线三维稠密重建方法难以在存储开销与表面质量之间取得平衡，这主要归因于其采用的静态底层几何表示（如截断符号距离函数（TSDF）或面元（surfels））缺乏任何场景先验知识。本文提出 DI-Fusion（Deep Implicit Fusion，深度隐式融合），其基于一种新颖的三维表示，即概率局部隐式体素（PLIVoxs），利用普通 RGB-D 相机实现在线三维重建。我们的 PLIVox 通过深度神经网络参数化的局部几何与不确定性来编码场景先验。借助此类深度先验，我们能够实现在线隐式三维重建，在相机轨迹估计精度与建图质量上达到最先进水平（SOTA），同时相比以往的在线三维重建方法具有更好的存储效率。我们的实现代码见 https://www.github.com/huangjh-pub/di-fusion。
引用
@article{arxiv.2012.05551,
title = {DI-Fusion: Online Implicit 3D Reconstruction with Deep Priors},
author = {Jiahui Huang and Shi-Sheng Huang and Haoxuan Song and Shi-Min Hu},
journal= {arXiv preprint arXiv:2012.05551},
year = {2021}
}