Mirror3D：镜面表面的深度细化
计算机视觉与模式识别
2021-06-15 v1
摘要
尽管深度感知与3D重建近期取得进展，镜面表面仍是误差的重要来源。为解决此问题，我们创建了Mirror3D数据集：一个基于三个RGBD数据集（Matterport3D、NYUv2和ScanNet）的3D镜面平面数据集，包含7,011个镜面实例掩码和3D平面。随后我们开发了Mirror3DNet：一个将原始传感器深度或估计深度进行细化以纠正镜面表面误差的模块。我们的核心思想是基于RGB输入与周围深度上下文估计3D镜面平面，并利用该估计直接回归镜面表面深度。我们的实验表明，Mirror3DNet显著缓解了来自多种输入深度数据的误差，包括原始传感器深度以及深度估计或补全方法。
引用
@article{arxiv.2106.06629,
title = {Mirror3D: Depth Refinement for Mirror Surfaces},
author = {Jiaqi Tan and Weijie Lin and Angel X. Chang and Manolis Savva},
journal= {arXiv preprint arXiv:2106.06629},
year = {2021}
}
备注
Paper presented at CVPR 2021. For code, data and pretrained models, see https://3dlg-hcvc.github.io/mirror3d/