论文阅读笔记
文章平均质量分 93
zeeq_
A WHU LIESMARSer
展开
-
OpenMVG论文——《Global Fusion of Relative Motions for ... Structure from Motion》论文阅读笔记
这篇博客翻译的是经典全局式SfM的代表性论文《Global Fusion of Relative Motions for Robust, Accurate and Scalable Structure from Motion》,这篇论文2013年于计算机视觉顶会ICCV上提出,是著名全局式SfM开源库openMVG的原文。 多视图运动恢复结构(SfM)在一个共同的3D坐标系中估计图片的位置和方向。当以增量方式处理视图时,此外部校准可能会发生漂移,这与残差均匀分布的全局方法相反。我们提出了一种新的基于图翻译 2022-06-05 16:46:08 · 1589 阅读 · 1 评论 -
Colmap论文——《Structure-from-Motion Revisited》论文阅读笔记
最近又将Colmap论文翻出来仔细阅读总结了一下,于是顺便写个博客记录一下。Structure-from-Motion Revisited是当前SOTA的增量式SfM算法Colmap的论文,发表于2016年计算机视觉顶会CVPR。它是增量式SfM里程碑式的作品。论文地址:https://openaccess.thecvf.com/content_cvpr_2016/papers/Schonberger_Structure-From-Motion_Revisited_CVPR_2016_paper.p原创 2022-03-27 13:39:06 · 12241 阅读 · 10 评论 -
2021年ICCV论文Deep Permutation Equivariant Structure from Motion论文阅读笔记
现有的深度方法在立体和多视图立体中产生高精度的三维重建,即,当相机进行内部和外部校准时。然而,在具有深度网络的多视图环境中,同时恢复相机姿态和三维场景结构的挑战仍然很突出。受运动恢复结构(SfM)的投影因子分解和深度矩阵完成技术的启发,我们提出了一种新的网络体系结构,在给定静态场景多幅图像中的一组点轨迹的情况下,通过最小化无监督重投影损失来恢复相机参数和(稀疏)场景结构。我们的网络架构是为了尊重问题的结构而设计的:所寻求的输出与摄像机和场景点的排列相同。值得注意的是,我们的方法不需要摄像机参数或3D点位置的翻译 2021-12-04 10:45:57 · 1293 阅读 · 5 评论 -
2019年ICLR论文BA-NET: DENSE BUNDLE ADJUSTMENT NETWORKS论文阅读笔记
1 概述 论文介绍了一种通过特征度量BA(bundle adjustment)来解决运动恢复结构(SfM)问题的网络体系结构,它以特征度量误差的形式明确地强制多视图几何约束。整个流程是可微的,因此网络可以学习到使BA问题更易于处理的合适特征。此外,这项工作引入了一种新的深度参数化来恢复密集的逐像素深度。该网络首先根据输入图像生成若干个基础深度图,并通过特征度量BA将最终深度优化为这些基础深度图的线性组合。基础深度图生成器也可以进行端到端的训练。整个系统将领域知识(即硬编码的多视图几何约束)和深度学习(即原创 2021-10-01 22:19:53 · 3854 阅读 · 0 评论 -
DROID-SLAM: Deep Visual SLAM for Monocular, Stereo, and RGB-D Cameras论文阅读笔记
现代SLAM系统大都使用BA(bundle adjustment)来进行优化,它比传统的滤波方法具有更高的精度和实用性。它还有一个优点是,使得SLAM系统易于修改以利用不同的传感器。例如,ORB-SLAM3支持单目、立体、RGB-D和IMU传感器,现代系统可以支持多种相机型号。但是,现代SLAM系统仍然缺乏许多实际应用所需的鲁棒性。运行时的故障以多种形式出现,例如特征轨迹丢失、优化算法发散和漂移累积等。如今,对于这些遗留问题,深度学习已经成为一种重要的解决方案。论文提出了一种新的基于深度学习的SLAM系统原创 2021-09-14 15:58:35 · 4946 阅读 · 6 评论 -
2021年CVPR论文Deep Two-View Structure-from-Motion Revisited阅读笔记
这篇博客分享的是2021年发表于CVPR上的一篇论文《Deep Two-View Structure-from-Motion Revisited》。该论文使用深度学习的方法,按照经典的SfM流程来解决两视图SfM问题。论文地址:https://arxiv.org/abs/2104.00556v1论文代码:https://github.com/jytime/Deep-SfM-Revisited1 概述 论文指出:现有的基于深度学习的方法通过从两个连续帧中恢复绝对姿势,或从单个图像预测深度图原创 2021-09-07 22:32:26 · 1715 阅读 · 0 评论 -
2020年ECCV论文DeepSFM: Structure From Motion Via Deep Bundle Adjustment阅读笔记
这篇博客分享的是2020年发表于ECCV上的一篇论文《DeepSFM: Structure From Motion Via Deep Bundle Adjustment》。论文地址:https://arxiv.org/abs/1912.09697论文代码:https://github.com/weixk2015/DeepSFM 1 概述 SfM(Structure from motion)是一个深度学习尚未能很好解决的一个基本计算机视觉问题。现有的方法通常都是从ground原创 2021-09-12 20:06:36 · 1645 阅读 · 0 评论