高密度單目表面恢復的三維空間模型

每天一分鐘，帶你讀遍機器人頂級會議文章

標題：High Dimensional Space Model for Dense Monocular Surface Recovery

作者：Vladislav Golyanik, Didier Stricker

來源：3dv 2017 ( International Conference on 3D Vision）

編譯：橙子周平

播音員：朱英

歡迎個人轉發朋友圈；其他機構或自媒體如需轉載，後台留言申請授權

摘要

今天介紹的文章是「High Dimensional Space Model for Dense Monocular Surface Recovery」—高密度單目表面恢復的三維空間模型，該文章發表在3dv 2017。

單目圖像序列的密集曲面重建，又稱為非剛性從運動恢復結構（NRSfM），在這個方面，逆向問題很難實現。NRSfM的目標是以無監督的方式從2D點的軌跡中得到3D形狀。然而現有的方法依賴於低階模型，基於此，本文提出了高維空間模型（HDSM）的概念。在HDSM中，時變幾何由投影到不同度量子空間的高維靜態結構編碼，為了表示非剛性變形，我們不是直接在三維空間中建模，而是隨著場景複雜度的增加而逐漸增加空間維數。 HDSM允許具有變形局部化的緊湊表示，並且可以被解釋為先前提出的概括NRSfM模型。

基於HDSM，本文提出了一種用於高密度單目表面恢復的演算法。 實驗表明，這種演算法所可以實現實現了高精度恢復，同時可以控制表面細粒度。

本文的主要思想概述。通過投影高維結構來模擬非剛性形狀的不同3D狀態進入不同的3D子空間。是將投影3D子空間與輸入幀相關聯的置換矩陣。

Abstract

Dense surface reconstruction from monocular image sequences— known as Non-Rigid Structure from Motion(NRSfM) — is a highly ill-posed inverse problem. The objectiveof NRSfM is to learn 3D shapes from 2D point tracksin an unsupervised manner. While existing methods rely onlow-rank models, we propose the concept of High DimensionalSpace Model (HDSM). In HDSM, time-varying geometryis encoded by a high-dimensional static structureprojected into different metric subspaces. To express nonrigiddeformations, instead of directly modelling in the 3Dspace, we gradually increase space dimensionality as thecomplexity of the scene increases. HDSM allows for a compactrepresentation with deformation localisation and canbe interpreted as a generalisation of the previously proposedmodels for NRSfM. Relying on HDSM, we developan algorithm for dense monocular surface recovery. Experimentsshow that the proposed method achieves high accuracywhile allowing for the fine-grained control.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！