面向隐式场景重建的不确定性驱动主动视觉
计算机视觉与模式识别
2022-10-04 v1
摘要
多视角隐式场景重建方法因能表示复杂场景细节而日益流行。近期研究致力于改进输入信息的表示，并减少获得高质量重建所需视角数量。然而，或许令人惊讶的是，关于选择哪些视角以最大化改进场景理解的研究仍基本未被探索。我们提出了一种用于隐式场景重建的不确定性驱动主动视觉方法，其利用通过体渲染在场景中累积的占据不确定性来选择下一个要获取的视角。为此，我们开发了一种基于占据的重建方法，可使用 2D 或 3D 监督准确地表示场景。我们在 ABC 数据集和真实场景 CO3D 数据集上评估了所提方法，并表明：（1）我们能够获得高质量的当前最优占据重建；（2）我们的视角条件不确定性定义能有效推动下一最佳视角选择的改进，并优于强基线方法；（3）我们可通过在视角选择候选上执行基于梯度的搜索来进一步提升形状理解。总体而言，我们的结果凸显了视角选择对于隐式场景重建的重要性，使其成为值得进一步探索的有前景方向。
引用
@article{arxiv.2210.00978,
title = {Uncertainty-Driven Active Vision for Implicit Scene Reconstruction},
author = {Edward J. Smith and Michal Drozdzal and Derek Nowrouzezahrai and David Meger and Adriana Romero-Soriano},
journal= {arXiv preprint arXiv:2210.00978},
year = {2022}
}