眼不见，心不烦：一种用于基于多视图图像渲染的源视图特征聚合方法
计算机视觉与模式识别
2022-06-13 v1 机器学习
摘要
为估计基于多视图图像渲染中三维点的体密度与颜色，常用方法是考察给定源图像特征间的一致性存在，这是估计过程的重要线索之一。为此，多数已有方法采用等权聚合特征。然而，当源图像特征集中包含因遮挡频繁出现的离群值时，难以核查一致性存在。本文提出一种新颖的源视图特征聚合方法，通过利用特征集中的局部结构，以鲁棒方式发现一致性。我们首先为每个源特征计算源视图距离分布；随后用所提可学习相似性映射函数将距离分布转换为若干相似性分布；最后，对特征集中各元素，通过分别计算加权均值与方差提取聚合特征，其中权重源自相似性分布。实验中，我们在含合成与真实图像场景的多个基准数据集上验证所提方法。结果表明，引入所提特征大幅提升了性能，取得了当前最优性能。
引用
@article{arxiv.2206.04906,
title = {Out of Sight, Out of Mind: A Source-View-Wise Feature Aggregation for Multi-View Image-Based Rendering},
author = {Geonho Cha and Chaehun Shin and Sungroh Yoon and Dongyoon Wee},
journal= {arXiv preprint arXiv:2206.04906},
year = {2022}
}