Deep Mesh Reconstruction from Single RGB Images via Topology Modification Networks

最新推荐文章于 2022-01-14 07:00:00 发布
最新推荐文章于 2022-01-14 07:00:00 发布
阅读量594 收藏 2
点赞数
文章标签： computer vision
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/sinat_27889599/article/details/106673981
版权
本文介绍了一种从单个RGB图像中通过拓扑修改网络进行深度网格重建的方法，旨在解决模板模型固定拓扑结构的限制。网络不仅调整顶点坐标，还调整顶点连接，以优化变形灵活性和预测网格质量。通过错误估计和边界细化策略，逐步改进预测结果，同时采用 Chamfer Distance 和 错误估计损失函数进行优化。
摘要由CSDN通过智能技术生成

Deep Mesh Reconstruction from Single RGB Images via Topology Modification Networks

  • ICCV2019 原文
  • 阅读记录，非系统整理
  • 相关的文章
    • pixel2mesh
    • AtlasNet
    • Neural 3d mesh renderer

Key idea

Pixel2mesh和AtlasNet局限在确定的topological structure with the template model。
无法更新faces-to-vertices的关系
通过face pruning动态调整template mesh的topology,平衡deformation的灵活性与predicted mesh的quality。
不仅调节vertices的coordinates还调节vertices的connections。

在这里插入图片描述

3. Approach

在这里插入图片描述
三个网络：

最低0.47元/天 解锁文章
sinat_27889599
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Learnable Reconstruction Methods from RGB Images to
09-25
在计算机视觉、机器学习和机器视觉领域，"Learnable Reconstruction Methods from RGB Images to Hyperspectral Imaging: A Survey" 这篇论文对从RGB图像到高光谱成像的可学习重建方法进行了详尽的研究。高光谱成像...
三维重建（记录学习过程，持续更新）
qq_44804354的博客
10-10 2270
以下全部内容仅是个人理解，如有错误请指出。 在进行三维重建学习之前首先需要了解几个概念： 倒角距离 倒角距离涉及到二维图像的倒角距离和三维点云之间的倒角距离，二维图像的倒角距离定义为模板中的任意一点与所给图像中某点的最小距离的平均值。三维点云的倒角距离定义为点云C1中的一点到点云C2中的某点的最小距离之和加上点云C2中的一点到点云C1中的某点的最小距离的平均值，三维点云的倒角距离常用于进行三维重建网络的损失函数的设计。 三维数据有多种表示形式，包括volume、point cloud、mesh等。v
Summary——Learning Category-Specific Mesh Reconstruction from Image Collections
pan2635376816的博客
11-20 1798
Contributions：给出了一个从单张图片重构3D形状的学习框架。除此之外，还能为这个3D网格贴上纹理。该方法的亮点在于不需要学习时不需要依靠3D真值或者多视角图片监督。   Empirics：CUB 和 PASCAL3D。 前者是本文的主要数据集，Caltech-UCSD Birds 200（CUB）鸟类图像数据集，包含 200 不同种鸟类，共计 11788 张图片。其中6000张图...
3D【8】鸟类重建：Learning Category-Specific Mesh Reconstruction from Image Collections阅读笔记
DCD_LIN的博客
03-22 1695
该文章直接预测的是平均mesh的坐标偏差，相机参数和纹理uv图。里面有各种损失函数，很值得学习。 这篇论文还有个有意思的点，论文用的训练数据是没有对应的3D模型的（也就是一张图片没有对应的3D模型）。训练过程有点像3DMM的重建过程，即先估计3D模型，将模型渲染到2D；然后比较渲染的图片和原始图片的差异，以更新模型的参数。要将这个过程应用在神经网络中，由于渲染是不可导的，因此需要解决渲染这一步骤...
【AI视野·今日CV 计算机视觉论文速览 第154期】Wed, 4 Sep 2019
TomRen
09-05 3872
AI视野 今日视觉论文速览 --多传感器语义融合 --深度目标移除 --假网站检测 --基于风格迁移的数据增强
【ICCV2019 论文列表】出炉论文持续更新
TomRen
09-25 4231
ICCV2019 放出论文持续更新
Learnable Reconstruction Methods from RGB Images to Hypersp
09-23
《从RGB图像到高光谱成像的可学习重建方法：一项综述》 这篇综述探讨了在机器视觉领域中，如何利用RGB（红绿蓝）图像通过可学习的重建技术来转换为高光谱成像。高光谱成像是一种先进的成像技术，能够获取连续的光谱...
Pixel2Mesh：Pixel2Mesh：从单个RGB图像生成3D网格模型。 在ECCV2018中
01-28
引文如果您使用此代码进行研究，请考虑引用： @inProceedings{wang2018pixel2mesh, title={Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images}, author={Nanyang Wang and Yinda Zhang and Zhuwen Li ...
Joint reconstruction and anomaly detection from compressive hyperspectral images using mahalanobis distance-regularized tensor RPCA
02-11
However, the reconstruction from compressive HSI and detection are commonly completed independently, which.will reduce the processing’s efficiency and accuracy. In this paper, we propose a framework...
Bayesian reconstruction of multiscale local contrast images from brain activity
02-22
Background: Recent advances in functional magnetic resonance imaging (fMRI) techniques make it possible to reconstruct contrast-defined visual images from brain activity. In this manner, the stimulus ...
图像对齐深度学习算法调研
秋山丶雪绪的博客
11-23 6946
参考博客： 旷视 R TALK：图像对齐及其应用 单应性Homograph估计：从传统算法到深度学习 1. 传统算法 大致流程： 提取特征点 特征匹配 RANSAC 排除错误匹配 求解单应性（Homograph）矩阵 难点： 弱纹理、无纹理（特征少，难以提取） 低光图像、噪声干扰（特征集中在局部，对齐效果差） 重复纹理（特征匹配容易出错） 大前景干扰 大视差 深度视差（单应性变换本身的局限性） 2. 深度学习算法 2.1 Deep Image Homography Estimation（2016）
图像对齐讲座—旷世成都研究院 & 数据策略产品经理——阿里讲座
小小小麦昆的博客
12-18 1578
刘帅成博士，旷世成都研究院，该院2018年成立， 新加坡国立大学毕业 目录： 1基于传统算法 2基于深度学习 3基于硬件 Image aligment methods图像对齐 应用： 图片拼接：不同视角拍的建筑拼成更大的一个画面，全景图 去噪，防抖 HDR不同曝光的同一场景，选取不同的曝光区域 拼接 多摄像头协同工作，一个是长焦，一个是广角。 视频防抖。 挑战： 1 重复特征：大厦窗口纹理很像，...
R TALK | 旷视成都研究院负责人刘帅成：图像对齐及其应用
旷视开发者技术社区
12-27 3430
「R TALK 」是一个深度学习专栏，由北京智源-旷视联合实验室推出，旨在通过一场场精彩纷呈的深度学习演讲，展示旷视研究院的学术分享及阶段性技术成果，抛砖引玉，推陈出新，推动中国乃至全球...
基于深度学习的单视图三维重建算法学习路线
3D视觉工坊
01-14 5281
‍点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨Longway来源丨三维重建学习笔记本人从2018年开始接触基于深度学习的单视图三维重建算法，中间因为考研等原因休息了一年，...
超实用！图像去畸变矫正及双线性内插法
3D视觉工坊
06-29 3164
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达通过采集的图像我们可以得到畸变后的图像，要得到没有畸变的图像要通过畸变模型推导其映射关系。真实图像 imgR 与 畸变图像 imgD...
单张图人体重建Convolutional Mesh Regression for Single-Image Human Shape Reconstruction
CSS360的博客
07-31 2583
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...
Self-Supervised 3D Mesh Reconstruction from Single Images
qq_37003230的博客
10-15 1256
SMR feature representation of landmarks一致 来自插值和预测 的3D属性一致 Intro：前景知识 从单图像中recover 3D信息：传统方法是fit先验可变性模型的参数 face ： 3DMM【1】 human ：SMPL 【23】 先验模型，贵且耗时 或者深度学习领域使用监督方法重建3D物体【7】，但这些方法需要在有GT 3D注释的合成或者3D扫描数据集上训练。 二维注释，二维重建方法关键模块是differentiable render【16】，可.
20-21表面重建论文（自用）
qq_41716507的博客
05-10 845
目录 表面重建 Multi-person Implicit Reconstruction from a Single Image​ Learning Implicit 3D Representations of Dressed Humans from Sparse Views PaMIR: Parametric Model-Conditioned ImplicitRepresentation for Image-based HumanReconstruction ARCH: Animatab.
Single-shot 3D Multi_Person Shape Reconstruction from a Single RGB image
qq_45153076的博客
02-09 347
文章目录一、文章的贡献二、文章的网络结构三、损失函数1.多人shape重建都会有的loss2.本文的loss四、实验结果五、其他文章总结 一、文章的贡献 乱入：文章题目的single-shot 暂且理解为端到端，与目标检测中的single-shot不同（每类目标只有单个 ） 1.快 real-time 以大约37帧/秒（37 fps）的速度处理图像，以实时执行3D多人形状重建任务。 2.基于相机坐标系重建多人3D形状（多人3D pose重建的论文很多，但是多人3D shape重建的较少），即估计了3D .
hyperspectral reconstruction from rgb images for vein visualization
最新发布
10-06
“从RGB图像中进行高光谱重建以实现静脉可视化”是一种通过利用RGB图像来推断静脉的高光谱信息的方法。在医学领域，静脉可视化对于静脉注射、手术导航等操作非常重要，因此如何准确地将静脉显示在图像中具有很大的...
评论
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