中国增强现实核心技术产业联盟为您带来第三期好文精读——
好文精读
面向AR行业从业者
特邀行业内资深研究员
为您评析前沿科技文章
本期论文——
Joint Graph-based Depth Refinement and Normal Estimation
基于图的深度优化和法线估计
作者:Mattia Rossi, Mireille El Gheche, Andreas Kuhn, Pascal Frossard
收录于 CVPR2020
编译 | 周立阳-商汤科技
校稿 | 吴王韵
1
论文档案
论文导读
深度估计是场景三维几何模型构建的重要组成部分,在城市和室内环境中有许多应用。这些场景的一个典型特征是具有大量的平面或近似平面的人造结构。针对这样的场景,文章提出了一个新颖的深度优化的框架,以更好地恢复场景的多平面结构。文章的核心思想是基于逆深度图,构造一个图优化问题,通过数据保真项和平面正则项约束,在确保非平面区域准确性的同时,更好地恢复平面区域。由于不需要预先显示地估计场景的多平面,因此本文的方法更稳定和通用。
论文贡献
1. 提出了一个基于图正则化的深度优化的框架,维持非平面区域准确性的同时,更好地重建场景的多