通过多视图图像到图像翻译的概率化植物建模
计算机视觉与模式识别
2018-04-26 v1 图形学
摘要
本文描述了一种从多视图观测推断被叶片遮挡的三维(3D)植物枝条结构的方法。与以往严重依赖枝条可见性或使用参数化分枝模型的几何方法不同，我们的方法在概率框架中对枝条结构进行统计推断。通过对每幅多视图图像应用贝叶斯扩展的图像到图像翻译来推断枝条存在的概率，我们的方法生成了一个概率化植物3D模型，该模型表示了无法直接观测到的3D分枝模式。实验证明了所提方法相较于先前方法在生成令人信服的枝条结构方面的有用性。
关键词
引用
@article{arxiv.1804.09404,
title = {Probabilistic Plant Modeling via Multi-View Image-to-Image Translation},
author = {Takahiro Isokane and Fumio Okura and Ayaka Ide and Yasuyuki Matsushita and Yasushi Yagi},
journal= {arXiv preprint arXiv:1804.09404},
year = {2018}
}
备注
To appear in CVPR2018. The first two authors contributed equally. Project website: http://www.am.sanken.osaka-u.ac.jp/~okura/project/cvpr2018_plant.html