三维重建 几何方法 深度学习_三维重建 3D reconstruction 有哪些实用算法？

主要的深度学习系列算法有DBN， ConvNets, RNN等，基本上经典的深度学习算法都用过。

详细请看唐路路(研究方向 深度学习 3D重建)在专栏 机器学习&深度学习--学术水准的理解 总结的文章 深度学习在3D重建上的应用

近年来Deep Learning在计算机视觉上的应用主要在2D image 的detection，segmentation，classification等方面，感觉已经快无孔不入了。但是DL在3D scene上的研究相对还较少，比如3D reconstruction or 3D modeling。因此,今天我想浅谈下image-based 3D reconstruction.

具体来讲，image-based的3D重构算法可以描述为当给定某个物体或场景的一组照片时， 在一些假设条件下，比如物体材料、观测视角和光照环境等，通过估计一个最相似的3D shape来解释这组照片。 一个完整的3D重构流程通常包含以下几个步骤：

1)收集场景图片(Collect images);

2)计算每张图的相机参数(Camera parameters for each image)；

3)通过图组来重构场景的 3D shape(几何模型)以及其对应的相机参数;

(Reconstruct the 3D geometry of the scene and corresponding camera parameters.)

4)有选择的重构场景的材料等(Optionally texture the reconstructed scene.)。图1. 常见的3D重构表达方式

(Image source：Multi-View Stereo: A Tutorial, by Yasutaka