AI论文探讨室·A+·第10期 DeepStereo: Learning to Predict New Views from the World’s Imagery

最新推荐文章于 2022-11-07 21:05:13 发布
最新推荐文章于 2022-11-07 21:05:13 发布
阅读量1.2k 收藏 5
点赞数
分类专栏： 三维重建 文章标签： 三维重建
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSS360/article/details/102534089
版权

《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。

系统架构

        该网络由两部分组成颜色塔和选择塔组成，其中颜色塔和选择塔具有相同的结构，但是它们的参数不共享。

选择塔和颜色塔

       选择塔生成重聚焦后图像的归一化后的深度图\sum_{z=1}^{D}s_{i,j,z}=1,颜色塔为每个平面重聚焦的图像。将颜色塔和重聚焦图像进行加权得到最后的合成图像。

效果对比

        通过对比可以发现，论文生成的结果与参考图像基本相似，但是在细节中仍然存在很多的不足，尤其是场景中的行人等等。

主要工作

（1）首先实现端到端的新视点预测网络模型设计

下一步研究工作

（1）提升系统的速度；

（2）输入图像的数量目前是固定，需要进行优化调整；

 

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：

下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料

元宇宙MetaAI
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
2016-CVPR-DeepStereo
WX_Chen的博客
09-13 250
2016-CVPR-DeepStereo: Learning to Predict New Views from the World’s Imagery 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。 https://blog.csdn.net/CSS360/article/details/102534089 查看某个地方的
【论文笔记-Stereo】Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture
zhiwei2coder的博客
03-21 1211
目录 简介 摘要 论文主要内容 A: 匹配代价计算 特征提取（ResNet18） 特征Volume构建 相似度计算 B: 匹配代价聚合 C：视差计算 实验 简介 Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture AAAI2018 ，KITTI2015目前（20180320...
论文阅读--Deep Stereo using Adaptive Thin Volume Representation with Uncertainty Awareness
weixin_43259879的博客
03-31 3347
UCS-Net模型阅读，深度学习估计深度
Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture
网瘾少年康复中心
01-16 1311
与一般网络的区别 普通算法结构与本文算法结构对比。其实这里指的普通结构就是GC-Net。本文网络不同之处就是代价聚合的过程更加牛逼，有aggregation guidance与aggregation proposal，这样聚合之后的代价空间一定是更好哒 网络的总体介绍 A1就是特征提取，用的是残差双塔结构  A2特征向量构成部分， A3用3D卷积计算特征向量之间的相似度，形成
DSGN: Deep Stereo Geometry Network for 3D Object Detection---基于双目视觉的3D目标检测（1）
qq_46460131的博客
11-07 1554
DSGN
IntentNet- Learning to Predict Intention from Raw Sensor Data.pdf
05-20
IntentNet- Learning to Predict Intention from Raw Sensor Data
Using machine learning to predict student difficulties from learning session data
02-12
Using machine learning to predict student difficulties from learning session data
IntentNet- Learning to Predict Intention from Raw Sensor Data
10-02
《IntentNet：从原始...随着技术的进步，我们期待IntentNet能在更多领域发挥作用，推动人工智能向着更加智能化、人性化的方向发展。通过不断学习和优化，IntentNet将更好地服务于人，实现更智能、更贴心的未来生活。
The Vane Kindergarten Test: Temporal stability and ability to predict behavioral criteria
06-29
The Vane Kindergarten Test: Temporal stability and ability to predict behavioral criteria THE VANE KINDERGARTEN TEST: TEMPORAL STABILITY AND ABILITY TO PREDICT BEHAVIORAL CRITERIA BANDRA M. ...
Using Blood Indexes to Predict Overweight Statuses: An Extreme Learning Machine-Based Approach
02-22
Using Blood Indexes to Predict Overweight Statuses: An Extreme Learning Machine-Based Approach
文章阅读 - DeepMVS: Learning Multi-view Stereopsis (CVPR 2018)
qq_38425638的博客
12-07 4373
背景 传统的MVS难以处理弱纹理区域、瘦小的结构以及反射和投射的表面，需要基于深度学习的算法。 相关工作 传统的MVS 最近较好的算法：鲁棒的邻近视角选择 [1]、visibility一致性 [2]、clustering-based技术 [3-4] 缺点：难以处理弱纹理和反射表面，没有利用光照、阴影以及语义信息等。 基于学习的MVS 以plane-sweep volumn为输入，计算...
AI论文探讨室·A+·第12期-深度图像去模糊专题1
CSS360的博客
10-16 346
《EDVR: Video Restoration with Enhanced Deformable Convolutional Networks》 项目工程 视频恢复任务，包括超分、去模糊等。在NTIRE19挑战赛上，一个具有挑战的基准REDS被发布。 作者提出EDVR从两个方面进行解决：修正金字塔、级联和变形（PCD）对齐模块解决大的运动；空时结合注意融合模块。 该网络可以使用在各种...
论文--Learning to Predict Bus Arrival Time From Heterogeneous Measurements via Recurrent Neural Networ
weixin_40193224的博客
11-22 240
论文–Learning to Predict Bus Arrival Time From Heterogeneous Measurements via Recurrent Neural Network 摘要：本文提出通过RNN利用多时间步长之间的远程依赖关系对公交到达进行预测。使用one-hot编码将异构信息融合到统一的向量空间中。框架中包括动态信息（历史轨迹数据）和静态信息（基础设施的统计数据）...
【Paper】Learning to Predict Charges for Criminal Cases with Legal Basis
盛夏光年
10-31 1348
Abstract charge prediction task：对于一个给定案件确定合适的罪名（charges），这对那些由用户输入事实描述的法律辅助系统很有帮助。 因为相关法律条款（law articles）在该任务中扮演一个很重要的角色，因此，提出一个基于注意力（attention）的神经网络方法，该方法对charge prediction任务和article extraction（相关条...
（十二：2020.08.28）CVPR 2016 追踪之论文纲要（译）
Jojo论文基地
08-28 4621
CVPR 2016 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这643篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
AI论文探讨室·A+·第21期 ICP算法
CSS360的博客
01-04 286
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
论文笔记
Jack_Kuo的博客
10-30 267
1.spatial transformer networks 这篇论文 https://arxiv.org/pdf/1506.02025.pdf 对于二维的图片识别中，如果图片是旋转的怎么办？被平移怎么办？（通常做法就是不管输入如何，我就统统原样输入给CNN，让其学习 features), 现在我们可以手动进行纠正吧，方法就是通过 affine transformation, 这
论文阅读：CVPR2016 Paper list
热门推荐
一亩半分地
05-12 8万+
CVPR2016 accepted paper list
TypeError: _predict_once() takes from 2 to 4 positional arguments but 5 were given
最新发布
04-21
这个错误是Python中的TypeError，它表示在调用函数"_predict_once()"时传递了错误数量的参数。根据错误信息，该函数应该接受2到4个位置参数，但实际传递了5个参数。 要解决这个问题，你需要检查调用"_predict_once...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值