13、基于动态形状先验的密集非刚性运动结构重建技术

基于动态形状先验的密集非刚性运动结构重建技术

在计算机视觉领域，非刚性运动结构重建（NRSfM）是一个重要的研究方向。本文将介绍一种基于动态形状先验（DSP）的密集NRSfM新方法，包括其原理、相关工作对比、具体实现步骤以及实验评估结果。

1. 方法背景与概述

在许多实际场景中，不同的2D测量结果往往是由不同的视角（相机姿态）而非物体的变形引起的。基于此，提出了一种带有动态形状先验（DSP）的单目非刚性重建新技术。DSP是从代表性图像子序列中获得的一组特定于序列的状态。DSP的生成是离线的，而利用DSP对新测量值进行重建则是轻量级且易于并行化的。

2. 相关工作

近年来，NRSfM的研究呈现出多种趋势，包括关注密集和可扩展的方法、能够重建复杂非线性变形的方法，以及探索新的、常被忽视的思想和模型。同时，混合方法和特定领域的方法也受到越来越多的关注。

• Li等人的方法 ：该方法在稀疏NRSfM中利用状态循环性，采用时间不相交的刚性聚类来处理强烈变形。但该方法需要预先设置刚性聚类的数量，对于唯一或退化的状态重建精度较低，且需要进行计算成本高昂的图聚类，仅适用于少量稀疏点。
• 静态形状先验的NRSfM方法 ：该方法从代表性序列中提取单个状态，旨在在大遮挡下保持稳定性，但容易过度约束重建结果。
• CMDR与Yu等人的模板方法对比 ：CMDR在重建代表性序列时，使用刚性分解直接初始化形状和相机姿态，采用轨迹正则化而非尽可能刚性的正则化，并且拟合项作用于点轨迹而非图像。