fruit的博客

1.7 Euclidean reconstruction之前我们学到的那些方法，参数并不齐全。如果镜头的完整calibration都知道了，则我们可以避免重建场景中的一些不确定性。之前学到的都是投影重建，包含了不知道镜头或场景的calibration所重建出的所有可能，很多情况下这种方法并不足够。如果希望重建的模型能够获得物体的正确（欧式）形状，需要得到镜头的calibration。之前已...

1.1 介绍无所不在的投影几何投影变换使得一个圆看起来不再像圆，它仅仅保留了很少的几何特征，像长度、角度、距离这些，都会由于投影而改变。但投影无法改变笔直(straightness)，这是映射最基本的要求。欧几里得几何学用角度和形状来描述物体。有时它很烦——我们需要创造一个例外来推出一些基本的几何思想，比如交叉线。两条线总会在一个点相交，除了平行线。通常人们说，平行线会在无穷远处相交。但这...

1.2 Camera projections点镜头 投影其实是一个降维的过程，通常是将3D的事物用2D的图像表示出来。下面介绍中心投影(centre projection)，空间中的点经过一个固定点(投影中心)延伸出的射线。这个射线与图像平面的交点就是点的图像。注：听起来像小孔成像。。。具体的还是看书上的截图吧，我这里是扫描版不清楚，就不贴出来了。如果空间上的点共面，则这个面与图像平面...

1.4 Three-view geometry对于两个视点，基本的代数项是基础矩阵，而对于三视点，规则是trifocal tensor（不晓得专业翻译是什么）。它是一个3*3*3的数组，代表对应的点或线在三视点下的坐标。正如同基础矩阵是由两个镜头矩阵定义的，trifocal tensor是由3个镜头矩阵定义，之间的对应关系也与2视点相同，同样取决于投影转换。trifocal tensor的...

经常碰到有人问我关于计算机视觉（机器视觉）领域的入门书籍或者相关书籍，下面我就推荐一些自己看的，当然，不见得满足所有人的需求，不过，还是真诚的希望能对你有所帮助。(1)数字图像处理，冈萨雷斯，阮秋琦（译），电子工业出版社；(2)OpenCV基础篇，于仕琦，刘瑞祯，北京航空航天大学出版社；(3)Learning OpenCV computer vision with the

1.1 TOF初探TOF是Time of flight的简写，直译为飞行时间的意思。所谓飞行时间法3D成像，是通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行（往返）时间来得到目标物距离。这种技术跟3D激光传感器原理基本类似，只不过3D激光传感器是逐点扫描，而TOF相机则是同时得到整幅图像的深度信息。TOF相机与普通机器视觉成像过程也有类似之处，都是由光源、光

CVPR-2018摘要我们提出了一种从单个图像中分离 reflction（镜像）的方法。该方法使用了一个经过训练的全卷积网络，利用低级和高级图像信息进行端到端损失训练。我们的损失函数包括两种感知损失：一种是通过视觉感知网络的特征损失，另一种是 transmission layers 的图像特征编码的对抗性损失。我们还提出了一种新的 exclusion loss，实现像素层级的强制分离。...

ICLR-2018摘要对于多维或高维数据的无监督异常检测在基础机器学习研究和工业应用中都是非常重要的，其密度估计是核心。虽然先前基于维数降低随后密度估计的方法取得了丰硕成果，但它们主要受到模型学习的解耦，其优化目标不一致，并且无法在低维空间中保留基本信息。在本文中，我们提出了深度自动编码高斯混合模型（DAGMM）用于无​​监督异常检测。我们的模型利用深度自动编码器为每个输入数据点生成低维表示和...