NRMVS：非刚性多视图立体
计算机视觉与模式识别
2019-01-15 v1
摘要
从无序 RGB 图像进行场景重建是许多计算机视觉应用中的一项重要任务。多视图立体（MVS）是摄影测量应用中用于静态场景密集重建的常用方案。然而，静态场景假设限制了 MVS 算法的普遍适用性，因为许多日常场景会发生非刚性运动，例如衣物、人脸或人体。在本文中，我们开辟了一个具有挑战性的新方向：从任意、稀疏且宽基线的视角观测到的具有非刚性变化的场景的密集三维重建。我们将该问题表述为形变与深度估计的联合优化，使用形变图作为底层表示。我们提出了一种新的稀疏三维到二维匹配技术，以及一种密集块匹配评估方案，以通过光度一致性估计形变和深度。我们展示了从少量具有非刚性变化的 RGB 图像创建密集四维结构是可行的，并证明我们的方法可用于从这些稀疏视角导出的形变估计的各种组合中插值出新的形变场景。
引用
@article{arxiv.1901.03910,
title = {NRMVS: Non-Rigid Multi-View Stereo},
author = {Matthias Innmann and Kihwan Kim and Jinwei Gu and Matthias Niessner and Charles Loop and Marc Stamminger and Jan Kautz},
journal= {arXiv preprint arXiv:1901.03910},
year = {2019}
}