学习高效的光度特征变换用于多视图立体
计算机视觉与模式识别
2021-03-30 v1 图形学
摘要
我们提出了一种新颖框架，学习将各视图的逐像素光度信息转换为空间可区分且视图不变的低层特征，其可插入现有多视图立体流程中以增强 3D 重建。采集期间的照明条件与后续的逐像素特征变换均可以一种可微方式联合优化。我们的框架自动适应并高效利用不同形式输入数据中可用的几何信息。利用照明复用设备与点光源捕获的数据，我们展示了对多种具挑战性物体的高质量 3D 重建。我们的结果优于最先进技术。
引用
@article{arxiv.2103.14794,
title = {Learning Efficient Photometric Feature Transform for Multi-view Stereo},
author = {Kaizhang Kang and Cihui Xie and Ruisheng Zhu and Xiaohe Ma and Ping Tan and Hongzhi Wu and Kun Zhou},
journal= {arXiv preprint arXiv:2103.14794},
year = {2021}
}