体云场重建
计算机视觉与模式识别
2023-11-30 v1
摘要
体现象，如云和雾，因其半透明性质及其与光的复杂相互作用，对 3D 重建系统构成重大挑战。传统的散射体重建技术依赖受控设置，限制了实际应用。本文引入一种从少量输入立体对重建体的方法。我们提出一种新颖深度学习框架，集成深度立体模型与 3D 卷积神经网络 (3D CNN) 及平流模块，能够捕捉体的形状与动态。立体深度用于雕刻体周围的空白空间，为 3D CNN 提供应对输入视角缺失的先验。为精炼输出，平流模块利用介质的时间演化，提供推断运动并改善时间一致性的机制。我们系统通过从稀疏立体图像对集合估计大尺度体（此例中为云）的密度与速度场的能力，证明了其有效性。
引用
@article{arxiv.2311.17657,
title = {Volumetric Cloud Field Reconstruction},
author = {Jacob Lin and Miguel Farinha and Edward Gryspeerdt and Ronald Clark},
journal= {arXiv preprint arXiv:2311.17657},
year = {2023}
}
备注
Project page at https://cloud-field.github.io