基于有符号射线距离函数(SRDF)的多视图重建
计算机视觉与模式识别
2023-03-06 v2
摘要
本文研究了一种用于多视图三维形状重建的新优化框架。近期的可微渲染方法借助隐式形状表示取得了突破性的性能，尽管其在估计几何体的精度上仍有所欠缺。另一方面，多视图立体方法可通过沿视线方向的局部深度预测实现逐像素的几何精度。我们的方法通过一种新颖的体积形状表示弥合了这两种策略之间的差距，该表示是隐式的但以像素深度参数化，从而更好地沿视线方向以一致的有符号距离具现形状表面。该方法在保留像素精度的同时受益于优化中的体积积分。为此，通过在体积离散化内的每个三维位置评估深度预测一致性与对应像素的光度一致性之间的吻合程度来优化深度。该优化与相关的光度一致性项无关，后者可从基于中值的基本方法到更精细的准则学习函数而变化。我们的实验证明了结合深度预测的体积积分的益处。它们还表明，我们的方法在标准三维基准上以更好的几何估计优于现有方法。
引用
@article{arxiv.2209.00082,
title = {Multi-View Reconstruction using Signed Ray Distance Functions (SRDF)},
author = {Pierre Zins and Yuanlu Xu and Edmond Boyer and Stefanie Wuhrer and Tony Tung},
journal= {arXiv preprint arXiv:2209.00082},
year = {2023}
}