从时空图像块学习非刚性表面重建
计算机视觉与模式识别
2020-06-22 v1
摘要
我们提出了一种直接从视频序列重建非刚性可变形物体的稠密时空深度图的方法。深度估计在视频的时空块上局部进行，然后通过将这些块组合在一起来恢复整个形状的完整深度视频。由于变形非刚性物体的局部时空块的几何复杂度通常足够简单，可以用参数化模型忠实表示，我们人工生成了一个小型变形矩形网格数据库，以不同的材质属性和光照条件渲染，并附带其对应的深度视频，并使用此类数据训练卷积神经网络。我们在合成数据和 Kinect 数据上测试了我们的方法，并通过实验观察到重建误差显著低于使用其他方法（如传统的从运动恢复非刚性结构）所获得的误差。
引用
@article{arxiv.2006.10841,
title = {Learning non-rigid surface reconstruction from spatio-temporal image patches},
author = {Matteo Pedone and Abdelrahman Mostafa and Janne heikkilä},
journal= {arXiv preprint arXiv:2006.10841},
year = {2020}
}