三维重建
关注
分享
扫一扫
元宇宙MetaAI
害怕的不是从头开始，而是从未开始！
展开
-
三维重建相关资料汇总
视差图Disparity与深度图Depth Map关系及相关理论知识讲解原创 2021-05-31 11:50:02 · 235 阅读 · 0 评论 -
光场成像的历史与发展
作为计算光学成像领域的一个重要分支，随着近年来光场相机的发展，光场成像得到了越来越多的关注。本文以光场成像为话题，通俗地讲述了光场成像的历史与发展。光场成像专栏：光场成像的历史与发展光场的可视化与重聚焦原理阵列相机光场去遮挡网络 DeOccNet（WACV2020）一、什么是光场电场和磁场作为中学时期就学过的物理概念，其模型早已深入我们的心中。而“场”作为一个常见的概念（例如电场、磁场、引力场、温度场等），可以理解为物理量在空间中的分布状态。因此，光场就可以理解为光在空间中的转载 2020-11-29 11:49:09 · 1631 阅读 · 0 评论 -
光场的可视化与重聚焦原理（附重聚焦代码）
作为计算光学成像领域的一个重要分支，随着近年来光场相机的发展，光场成像得到了越来越多的关注。本文主要介绍了光场的三种可视化途径（阵列子图像、宏像元图像与极平面图像），并分析了光场重聚焦的基本原理。图1：四维光场在不同维度的可视化表现光场成像专栏：光场成像的历史与发展光场的可视化与重聚焦原理阵列相机光场去遮挡网络 DeOccNet（WACV2020）一、光场的可视化途径因为光场的双平面模型L(u,v,x,y)有四个维度，而图像通常只包含两个维度，因此我们难以直接通过2维图像对4转载 2020-11-29 11:48:11 · 1535 阅读 · 0 评论 -
MarchingCube算法汇总
MarchingCube汇总图像数据到网格数据-1——MarchingCubes算法 一个极简的Marching Cubes算法实现Marching Cube原创 2020-11-23 19:55:04 · 563 阅读 · 0 评论 -
三维重建Fusion中的TSDF算法通俗描述
看个视频https://www.youtube.com/watch?v=8M_-lSYqACo这是mobilefusion的视频，大家先了解一下，看到在三维重建的时候外面有个长方体包围盒了吗？数据准备：我们不同角度拍摄的RGB图、深度图和相应的pose.txt。步骤：1.建立长方体包围盒要建立一个长方体包围盒。让所有的三维点都在这个长方体里面。假设z方向垂直相机。很明显，x,y方向上的极值就是图像的边界。图像的边界点是就是四个角。(0,0),(w,0),(0,h),(w,h转载 2020-11-23 19:27:49 · 1786 阅读 · 0 评论 -
Delaunay三角剖分算法
Delaunay三角剖分实践与原理[图形算法]Delaunay三角剖分算法转载 2020-06-27 09:56:24 · 303 阅读 · 0 评论 -
“photo wake up”第四周个人工作总结
通过研究我们理解了smpl模型的参数构造方法，为重建的模型下一步应用做好了知识的铺垫。下周任务要开始真正研究photo wake up 论文的算法了。https://blog.youkuaiyun.com/chenguowen21/article/details/82793994第五周第六周第7周第8周...转载 2020-05-08 22:04:23 · 151 阅读 · 0 评论 -
“photo wake-up”第三周个人工作总结
2019年3月29号/马晓颖上周我们已经可以从输出的一个二维图片输出人体的14个关节点，下一步就是研究Convolutional pose machines的输出是什么，怎么把这些输出设配到一个三维模型中。首先我们开始研究2016年的一篇论文 keep it SMPL（F. Bogo, A. Kanazawa, C. Lassner, P. Gehler, J. Romero, andM.J.Black. KeepitSMPL:Automaticestimationof3D human pose转载 2020-05-08 21:54:19 · 175 阅读 · 0 评论 -
“photo wake-up”创新项目实训第二周总结
2019年3月23日/马晓颖这周从已有的二维图像姿态预测的算法出发，参考论文Convolutional pose machines的算法进行二维姿态预测，得出人体14个关节点的位置。（S.-E. Wei, V. Ramakrishna, T. Kanade, and Y. Sheikh. Convolutional pose machines. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognit转载 2020-05-08 21:50:41 · 156 阅读 · 0 评论 -
“photo wake-up”创新项目实训第一周开题总结
项目名称：“photo wake-up”基于二维图像的三维人体模型重建项目开始时间：2019年3月16日项目背景：《哈利波特》世界里有一种神奇的魔法报纸，报中照片上的人物可以动起来，看起来有点像 GIF 图。在故事里这当然是「魔法」的功劳，现实世界中还没有造出这样的报纸。我们想通过现有对图像的研究，使用AI算法，实现这个过程。华盛顿大学的几个科学家已经研究出来这样的算法，他们提出了一种使单一图片中的人物动起来的方法，图中的人物在三维场景下可以行走，奔跑，坐下或跳跃。官方表示成果：https://转载 2020-05-08 21:48:23 · 172 阅读 · 0 评论 -
AI论文探讨室·A+·第24期 Deep Closest Point: Learning Representations for Point Cloud Registration
论文地址原创 2020-01-14 21:33:01 · 599 阅读 · 0 评论 -
AI论文探讨室·A+·第23期 GPU Accelerated Robust Scene Reconstruction
论文地址原创 2020-01-07 11:42:53 · 419 阅读 · 0 评论 -
AI论文探讨室·A+·第22期 SurfelMeshing Online Surfel-Based Mesh Reconstruction
论文地址摘要原创 2020-01-07 11:40:34 · 679 阅读 · 0 评论 -
AI论文探讨室·A+·第21期 ICP算法
资源搜索ICP算法迭代最近点（Iterative Closest Point, ICP）算法介绍ICP算法的原理与实现A Symmetric Objective Function for ICP汇总&理解原创 2020-01-04 21:49:39 · 347 阅读 · 0 评论 -
AI论文探讨室·A+·第20期 SurfelWarp: Efficient Non-Volumetric Single View Dynamic Reconstruction
论文主页摘要 作者贡献了一个稠密的SLAM系统，将一系列的深度图作为输入和实时的重建非刚性形变目标，没有模板和先验模型 。相对于存在的方法，本论文没有使用任何体素数据结构，例如截断符号距离函数（TSDF）区域或者非形变区域，它们是性能和内存密集型。我们的系统运行在一个平点（surfel）基于几何的展示，它能够直接从商业深度传感器获得。标准的图像流程和生成建议GPU（GPGPU）...原创 2020-01-04 20:34:30 · 695 阅读 · 0 评论 -
AI论文探讨室·A+·第19期 Real-time Non-rigid Reconstruction using an RGB-D Camera
论文主页效果展示 左上：先进行刚性目标扫描，得到一个初始模板。左下：使用作者提出的方法形变模板来跟踪目标。中上行：展示在上肢、脸、手图像被捕捉在不同的姿态，并且它们是形变的。最下面一行：展示对应的颜色和深度数据进行重建mesh。摘要 本论文提出一个硬件与软件结合的方案来解决非刚性目标的实时重建。该系统使用一个自制的立体相机，该相机是由现成设备以及消费级的图像...原创 2020-01-03 11:54:43 · 534 阅读 · 0 评论 -
AI论文探讨室·A+·第18期 kinect fusion 3D重建
论文链接资源搜索kinect fusion 3D重建基本算法Kinect Fusion 算法浅析：精巧中带坑自己理解原创 2019-12-24 10:31:14 · 232 阅读 · 0 评论 -
AI论文探讨室·A+·第17期 Motion2Fusion: Real-time Volumetric Performance Capture
欢迎志同道合的朋友，在下方留言，大家相互学习。论文链接摘要 这是一个360度实时的对非刚性进行三维重建的系统Motion2Fusion。作者主要贡献：（1）提出一个新的非刚性融合系统能够实现高精度立体细节融合，来避免先前的过度平滑和视觉效果；（2）使用机器学习对3D对应区域进行估计来减少跟踪错误来自快速运动造成的结果；（3）一个反向和前向对齐策略能够鲁棒处理拓扑结构改变...原创 2019-12-22 14:14:47 · 1166 阅读 · 0 评论 -
AI论文探讨室·A+·第16期-PhotoWake-Up: 3D Character Animation from a Single Photo
论文主页原创 2019-12-09 10:49:06 · 416 阅读 · 0 评论 -
AI论文探讨室·A+·第11期 DeepMVS: Learning Multi-view Stereopsis
《DeepMVS: Learning Multi-view Stereopsis》主要解决的问题：输入任意数量的姿态图像来预测高质量的视差图主要描述 主要包含三部分：（1）在真实统一数据集上进行有监督的预训练；（2）提出一个有效的方法在无序的图像数据集中收集信息；（3）使用预训练的VGG-19网络来融入多层的特征。通过在ETH3D数据集上对论文中提出的DeepMVS网络，...原创 2019-10-14 11:20:46 · 1009 阅读 · 0 评论 -
虚拟视点生成技术综述
前沿研究员Noah SnavelyPo-Han (Patrick) Huang必备基础知识量子位 PPT学习极市开发者社区极市开发者平台机器之心Googlegithub主页（2019年深度估计）...原创 2019-11-03 17:28:53 · 290 阅读 · 0 评论 -
AI论文探讨室·A+·第10期 DeepStereo: Learning to Predict New Views from the World’s Imagery
《DeepStereo: Learning to Predict New Views from the World’s Imagery》论文链接主要解决的问题：首次使用神经网络预测新的视点图主要描述 新视点的像素生成是使用将临近视点的图像输入到卷积神经网络中，最后生成新视点的图像。它的有优势主要在，只需要一系列的不同位姿下的图像，然后就可以在不同场景下生成新的视点。...原创 2019-10-13 16:52:05 · 1353 阅读 · 4 评论 -
图像三维重建第六期-Scan2CAD: Learning CAD Model Alignment in RGB-D Scans
论文地址项目地址摘要 我们展示Scan2CAD，一个新颖数据驱动方法学习一个对准的3D CAD模型从一个基础数据对噪声和不完整几何的RGB-D扫描。对于一个3D重建一个室内场景，我们的输入一系列的CAD模型，和预测一个9维姿态能够对齐每个模型的基本扫描几何。为解决这个问题，我们创建一个新的扫描到CAD对齐数据集基于1506扫描网络扫描97607来注释关键点对在14224C...原创 2019-09-06 16:18:18 · 1276 阅读 · 3 评论 -
3D人体重建从单张图中-DeepHuman: 3D Human Reconstruction from a Single Image
论文链接：http://www.liuyebin.com/deephuman/assets/DeepHuman.pdf摘要 我们提出深度人体，一个图像导向立体到立体的转换CNN对3D人体重建从一个单张RGB图像。为减少干扰涉及在表面几何重建，即使对不可见的区域也可以进行重建，我们提出和利用一个稠密的语义展示形成从SMPL模型作为一个外部的输入。一个关键特征在我们的网络融合不同...原创 2019-08-16 11:41:56 · 5196 阅读 · 0 评论 -
PVNet: A Joint Convolutional Network of Point Cloud and Multi-View for 3D Shape Recognition
论文链接：http://gaoyue.org/paper/PVNet.pdf摘要 3D目标识别已经吸引研究者们的注意在领域多媒体和计算机视觉。随着最近涌入的深度学习，各种深度模型使用不同的展示形式实现先进的表现。大部分它们，点云和多视点基于3D模型展示正在引进在最近，它们对应的深度模型已经展示出重要性在3D模型识别。然而，有较少集中在点云数据和多视点数据对于3D模型展示，在我们...原创 2019-08-11 20:22:12 · 1288 阅读 · 0 评论 -
单张图人体重建Convolutional Mesh Regression for Single-Image Human Shape Reconstruction
论文地址：https://arxiv.org/pdf/1905.03244.pdf工程地址：https://www.seas.upenn.edu/~nkolot/projects/cmr/摘要 这篇文章目的解决问题3D人体姿态和形状估计从单张图像上。先前的方法考虑一个参数模型的人体框架，SMPL以及使用回归模型参数给上升到mesh一致图像证明。这个参数回归是一个非常具有挑...原创 2019-07-31 22:27:13 · 2659 阅读 · 0 评论 -
图像三维重建第七期-Real-time Non-rigid Reconstruction using an RGB-D Camera
论文链接效果图摘要我们展示一个结合硬件和软件来解决无标记重建非刚性形变目标，对于任意形状实时实现。我们的系统使用了一个简单自包含立体相机单元建造从成品的组成和消费...原创 2019-09-07 12:12:52 · 713 阅读 · 0 评论 -
Deep Reinforcement Learning-3D Point Scene Completion from a Single Depth Image
论文链接摘要 我们展示了一个深度强化学习方法对先进的视觉恢复3D点场景在立体向导，实现高质量场景重建从一个深度图像使用严格闭合。我们的方法是端到端，由3部分组成：3D场景立体重建，2D深度图恢复，以及多视点选择完成。给定一个单张深度图，我们的方法首先通过3D立体分支得到一个立体场景重建，作为导向下一个视觉恢复步骤，来帮助获得错过的信息；第三步涉及投影立体在相同视角输入，串联它们...原创 2019-09-21 09:53:22 · 236 阅读 · 0 评论 -
AI论文探讨室·A+·第2期 DISN: Deep Implicit Surface Network for High-quality Single-view 3D Reconstruction
NeurIPS2019《DISN: Deep Implicit Surface Network for High-quality Single-view 3D Reconstruction》论文链接代码链接主要解决的问题：从单张图像中重建3D模型，即给定一张图像预测有符号距离域具体描述 除了使用全局图像特征，DISN也预测局部块的每个3D点投影和提取局部特征从...原创 2019-09-23 09:44:02 · 710 阅读 · 0 评论 -
AI论文探讨室·A+·第5期 Human Synthesis and Scene Compositing
《Human Synthesis and Scene Compositing》论文链接主要解决的问题：参数化控制人体姿态和形状，并将生成的人体嵌入到3D背景中主要描述 本论文提出的框架主要包含三部分：（1）一个人像图像统一模型在控制姿态和外观，基于一个参数的展示；（2）一个人像插入处理，利用几何和语义的3D场景；（3）一个现实组成处理来创造一个无缝的融合在场景颜色和生成...原创 2019-09-26 10:51:24 · 320 阅读 · 0 评论 -
AI论文探讨室·A+·第7期 Multi-View Silhouette and Depth Decomposition for High Resolution 3D Object
《Multi-View Silhouette and Depth Decomposition for High Resolution 3D Object Representation》论文链接项目链接主要解决的问题：深度生成形状模型缩放到高分辨率主要描述 先前的做法出发点是从对象的行为来提取动机，本文论则提出一张新颖的方法，在体素空间通过网络实现6个直角深度投影得到...原创 2019-09-29 17:37:29 · 354 阅读 · 0 评论 -
AI论文探讨室·A+·第8期 Multi-view Convolutional Neural Networks for 3D Shape Recognition
《Multi-view Convolutional Neural Networks for 3D Shape Recognition》论文地址实验室主页主要解决的问题：3D形状识别主要描述 本论文提出一个标准的CNN框架训练来识别每个独立形状的渲染，以及展示一个3D形状能够识别即使从一张图像，它的准确率也是比当前先进的3D形状描述高。当多视点的形状被提供后，识别率...原创 2019-09-30 09:58:08 · 318 阅读 · 0 评论 -
AI论文探讨室·A ·第9期 MVSNet: Depth Inference for Unstructured Multi-view Stereo
《MVSNet: Depth Inference for Unstructured Multi-view Stereo》论文链接主要解决的问题：使用端到端到的神经网络解决从多个视点图像来推断深度图系统架构 MVSNet网络架构：输入图像将经过2D特征提取网络和可微单应性矩阵变化到形成损失体积。最后深度图输出通过从正则化可能的体积和精炼参考图得到。效果展示...原创 2019-10-01 11:47:10 · 626 阅读 · 0 评论 -
基于图像的3D目标重建 State-of-the-Art and Trends in the Deep Learning Era
论文地址：https://arxiv.org/pdf/1906.06543.pdf摘要先进的3D目标重建使用深度学习的分类编码阶段分类原创 2019-07-30 11:06:39 · 955 阅读 · 0 评论