用于三维重建的下一最佳视角策略
计算机视觉与模式识别
2020-09-08 v2
摘要
手动选择视角或使用无人机大规模三维重建中常见的圆形路径等飞行规划器，常导致不完整的三维模型。近期工作依赖如信息增益等手工设计的启发式方法选择下一最佳视角（Next-Best View, NBV）。本工作中，我们提出一种称为 Scan-RL 的基于学习的算法，以学习下一最佳视角策略。为训练和评估该智能体，我们创建了 Houses3K，一个三维房屋模型数据集。我们的实验表明，使用 Scan-RL，智能体相较基线圆形路径能以更少的步数和更短的距离扫描房屋。实验结果还表明，单一的 NBV 策略可用于扫描多个房屋，包括训练时未见的房屋。Scan-RL 的链接见 https://github.com/darylperalta/ScanRL，Houses3K 数据集见 https://github.com/darylperalta/Houses3K。
引用
@article{arxiv.2008.12664,
title = {Next-Best View Policy for 3D Reconstruction},
author = {Daryl Peralta and Joel Casimiro and Aldrin Michael Nilles and Justine Aletta Aguilar and Rowel Atienza and Rhandley Cajote},
journal= {arXiv preprint arXiv:2008.12664},
year = {2020}
}
备注
To be published in ECCV 2020 Workshops; typos in abstract corrected