Forum Kierunku Górnictwa i Geologii AGH 2009 (WGGIOŚ)

[ditikhatun11]

个人之前的经验和对世界的理解通常使他们能够轻松推断出一个物体的整体外观，即使只看它的一些 2D 图片。然而，计算机在仅给定少量图像的情况下形式重建物体形状的能力多年来仍然是一个困难的算法问题。这项基本的计算机视觉任务的应用范围从电子商务 3D 模型的创建到自动车辆导航。 问题的关键部分是如何确定拍摄图像的确切位置，即姿势推断。如果相机姿势已知，一系列成功的技术（例如神经辐射或式重建对象。但如果这些姿势不可用，那么我们将面临一个困难的“先有鸡还是先有蛋”的问题，如果我们知道 3D 对象，我们就可以确定姿势，但在我们知道相机姿势之前，我们无法重建 3D 对象。伪对称性使问题变得更加困难——即，从不同角度观察时，许多物体看起来很相似。例如，像椅子这样的方形物体每旋转 90° 看起来就会很相似。

通过从不同角度将物体渲染在转盘上并绘制其光度自相似图，可以揭示物体的伪对称性。 自 意大利电报吗数据库 相似性-英雄 玩具卡车模型的自相似图。左：模型在转盘上从不同的方位角θ 渲染。右图相似度。伪相似性由红色虚线表示。 上图仅可视化了一维的旋转。当引入更多自由度时，它会变得更加复杂（并且难以可视化）。伪对称性使问题不适定，简单的方法常常收敛于局部最小值。在实践中，这种方法可能会将后视图误认为是对象的前视图，因为它们具有相似的轮廓。以前的技术通过依赖接近全局最小值的初始姿态估计来回避这个问题。但如果这些都不可用，我们该如何解决这个问题呢？对抗网络(GAN) 来克服该问题。这些技术能够人为地“放大”有限数量的训练视图，从而帮助重建。然而，GAN 技术通常具有复杂且有时不稳定的训练过程，使得在实践中难以实现稳健且可靠的收敛。





系列其他成功的方法，例如SparsePose或RUST，可以从有限数量的视图中推断姿势，但需要对大型姿势图像数据集进行预训练，而这些图像并不总是可用，并且可能会受到“域间隙”的影响。 ”推断不同类型图像的姿势时出现的问题。 在24上备受关注的“ MELON：，我们提出了一种技术，可以完全从头开始确定以对象为中心的相机姿势，同时以 3D 形式重建对象。的模等效潜在优化）是第一个无需初始姿态相机估计、复杂的训练方案或标记数据预训练即可实现此目的的技术之一。 MELON 是一种相对简单的技术，可以轻松集成到现有的 NeRF 方法中。我们证明，MELON 可以从未摆出的图像中以最先进的精度重建 NeRF，同时只需要 4-6 个物体的图像。 瓜 我们利用两种关键技术来帮助解决这个不适定问题。第一个是非常轻量级、动态训练的卷积神经网络(CNN) 编码器，可从训练图像中回归相机姿势。我们将缩小的训练图像传递给四层 CNN，以推断相机姿态。该 CNN 从噪声中初始化，无需预训练。它的容量非常小，以至于它迫使相似的图像呈现相似的姿势，提供隐式正则化，极大地帮助收敛。 第二种技术是模损失，同时考虑对象的伪对称性。
_________________
意大利电报吗数据库

[Reklama]