基于度量一致图集的时间一致表面重建
计算机视觉与模式识别
2021-11-15 v1
摘要
我们提出一种从无时序演化的点云序列中无监督重建时间一致表面序列的方法。它产生帧间稠密且语义上有意义的对应。我们将重建的表面表示为由神经网络计算的图集，这使我们能够建立帧间对应。使这些对应在语义上有意义的关键在于保证在对应点处计算的度量张量尽可能相似。我们设计了一种优化策略，使我们的方法对噪声和全局运动具有鲁棒性，且无需先验对应或预对齐步骤。因此，我们的方法在几个具有挑战性的数据集上优于SOTA方法。代码可在 https://github.com/bednarikjan/temporally_coherent_surface_reconstruction 获取。
引用
@article{arxiv.2111.06838,
title = {Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases},
author = {Jan Bednarik and Noam Aigerman and Vladimir G. Kim and Siddhartha Chaudhuri and Shaifali Parashar and Mathieu Salzmann and Pascal Fua},
journal= {arXiv preprint arXiv:2111.06838},
year = {2021}
}
备注
21 pages. arXiv admin note: substantial text overlap with arXiv:2104.06950