c 视差图 深度转换_好文精读 | 基于图的深度优化和法线估计

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