自然序列上的语义光度束调整
计算机视觉与模式识别
2017-12-04 v1
摘要
在自然图像序列中获得物体稠密重建的问题在计算机视觉中已被长期研究。经典上该问题通过束调整（BA）的应用来解决。近来，通过光度束调整（PBA）方法——直接最小化跨帧光度误差——取得了优异结果。然而，BA 与 PBA 的一个根本缺陷是：(i) 它们依赖于必须看到物体上所有点，以及 (ii) 物体表面需具有丰富纹理。为规避这些限制，我们提出语义 PBA，其在光度束调整问题中融入通过深度学习获得的3D物体先验。我们在众多自然序列上相较于主流物体重建方法展示了 SOTA 性能。
引用
@article{arxiv.1712.00110,
title = {Semantic Photometric Bundle Adjustment on Natural Sequences},
author = {Rui Zhu and Chaoyang Wang and Chen-Hsuan Lin and Ziyan Wang and Simon Lucey},
journal= {arXiv preprint arXiv:1712.00110},
year = {2017}
}