UW-SDF：基于神经 SDF 的 underwater 多视角单目图像重建
计算机视觉与模式识别
2024-10-11 v1 机器人学
摘要
鉴于水下环境的独特特征，对水下物体进行准确的 3D 重建在水下勘探和制图等任务中具有挑战性。传统方法依赖多传感器数据进行 3D 重建，耗时且在水下场景中面临数据获取的挑战。我们提出 UW-SDF，一个基于神经 SDF 从多视角水下图像重建目标对象的框架。我们引入混合几何先验来优化重建过程，显著提升神经 SDF 重建的质量和效率。此外，针对多视角图像中分割一致性的挑战，我们提出了一种基于通用分段模型 (SAM) 的新颖few-shot 多视角目标分割策略，实现对未知物体的快速自动分割。通过多样化数据集上的广泛定性和定量实验，我们展示了我们的方法在水下 3D 重建领域优于传统水下 3D 重建方法和其他神经渲染方法。
引用
@article{arxiv.2410.08092,
title = {UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images},
author = {Zeyu Chen and Jingyi Tang and Gu Wang and Shengquan Li and Xinghui Li and Xiangyang Ji and Xiu Li},
journal= {arXiv preprint arXiv:2410.08092},
year = {2024}
}
备注
8 pages, 9 figures, presented at IROS 2024