可扩展的稠密单目表面重建
计算机视觉与模式识别
2017-10-18 v1
摘要
本文报告了一种新颖的无模板单目非刚性表面重建方法。现有利用运动和形变线索的技术依赖于多个先验假设，通常计算成本高昂，且在不同数据集上的表现参差不齐。相比之下，所提出的可扩展单目表面重建（SMSR）结合了多种算法的优势，即它随点数可扩展，能够处理稀疏和稠密设置以及不同类型的运动和形变。我们通过奇异值阈值和近端梯度来估计相机位姿。我们的公式采用交替方向乘子法，对于大型点轨迹矩阵具有线性收敛时间。在所提出的 SMSR 中，通过对测量矩阵进行平滑来整合轨迹空间约束。在大量实验中，SMSR 被证明能在广泛的数据集上持续达到 SOTA 准确率。
引用
@article{arxiv.1710.06130,
title = {Scalable Dense Monocular Surface Reconstruction},
author = {Mohammad Dawud Ansari and Vladislav Golyanik and Didier Stricker},
journal= {arXiv preprint arXiv:1710.06130},
year = {2017}
}
备注
International Conference on 3D Vision (3DV), Qingdao, China, October 2017