FvOR：面向少视图物体重建的鲁棒联合形状与位姿优化
计算机视觉与模式识别
2022-05-17 v1
摘要
从少量图像观测重建精确的 3D 物体模型仍是计算机视觉中的挑战性问题。最先进的方法通常假设输入为准确的相机位姿，而在真实场景中这可能难以获取。本文中，我们提出 FvOR，一种基于学习的物体重建方法，给定少量带噪声输入位姿的图像即可预测准确的 3D 模型。我们方法的核心是一个快速且鲁棒的多视图重建算法，利用可学习的神经网络模块联合优化 3D 几何与相机位姿估计。我们在 ShapeNet 上对该问题的前沿方法进行了详尽基准测试。我们的方法取得了同类最佳结果，且比近期基于优化的方法 IDR 快两个数量级。我们的代码发布于 \url{https://github.com/zhenpeiyang/FvOR/}
引用
@article{arxiv.2205.07763,
title = {FvOR: Robust Joint Shape and Pose Optimization for Few-view Object Reconstruction},
author = {Zhenpei Yang and Zhile Ren and Miguel Angel Bautista and Zaiwei Zhang and Qi Shan and Qixing Huang},
journal= {arXiv preprint arXiv:2205.07763},
year = {2022}
}
备注
CVPR 2022