基于几何引导的特征学习与融合用于室内场景重建
广义相对论与量子宇宙学
2024-08-29 v1
摘要
除了颜色和纹理信息之外，几何信息还提供了3D场景重建的重要线索。然而，当前的重建方法仅在特征层面包含几何信息，未充分利用几何信息。相反，本文提出了一种用于3D场景重建的新型几何集成机制。我们的方法在三个层面融合3D几何信息，即特征学习、特征融合和网络监督。首先，几何引导的特征学习编码几何先验，以包含视角相关信息。其次，引入几何引导的自适应特征融合，该方法利用几何先验作为指导，自适应生成多个视角的权重。最后，在监督层面，考虑2D与3D法线之间的一致性，设计一致的3D法线损失以添加局部约束。在ScanNet数据集上进行大规模实验，表明包含我们几何集成机制的体积方法在定性和定量分析方面均优于最先进的方法。包含我们方法的体积方法在7-Scenes和TUM RGB-D数据集上也表现出良好的泛化能力。
引用
@article{arxiv.2408.15606,
title = {Kinematics and Generalized Raychaudhuri equation in f(G) gravity in imperfect fluid case},
author = {Y. Alipour Fakhri and MOjtaba Safdarian and S. Zamani Moghaddam},
journal= {arXiv preprint arXiv:2408.15606},
year = {2024}
}