Un enfoque jerárquico de minería de prioridades para estéreo multivisual no local

Área de la Ciencia:

• Visión por Computadora
• Reconstrucción 3D
• Geometría Computacional

Sus antecedentes:

• El estéreo multivisual (MVS) es crucial para la recuperación de geometría 3D a partir de imágenes 2D.
• Las regiones de baja textura presentan un desafío significativo, degradando la calidad de la reconstrucción.
• Los métodos MVS existentes a menudo dependen de información local y prioridades únicas, lo que limita el rendimiento.

Objetivo del estudio:

• Desarrollar un marco novedoso para estéreo multivisual no local.
• Mejorar la robustez y completitud de la reconstrucción 3D, particularmente en áreas desafiantes de baja textura.
• Aprovechar prioridades de múltiples fuentes para mejorar la recuperación de geometría.

Principales métodos:

• Se propuso un marco de Minería Jerárquica de Prioridades (HPM) para MVS no local.
• Se desarrolló HPM-MVS utilizando operaciones no locales para hipótesis iniciales precisas y un modelo de prioridad planar.
• Se introdujo HPM-MVS++ incorporando información de imagen estructurada y relaciones geométricas espaciales en modelos gráficos probabilísticos, produciendo nuevos costos de coincidencia multivisual.

Principales resultados:

• HPM-MVS proporciona hipótesis iniciales precisas y un modelado mejorado de prioridades planares.
• HPM-MVS++ mejora significativamente la robustez en escenarios desafiantes y aumenta la completitud de la reconstrucción.
• La validación experimental en los conjuntos de datos ETH3D y Tanks & Temples demuestra un rendimiento superior y una generalización.

Conclusiones:

• El marco HPM captura eficazmente señales estructurales no locales y prioridades de múltiples fuentes para un MVS superior.
• HPM-MVS y HPM-MVS++ ofrecen mejoras significativas sobre los métodos existentes para la reconstrucción 3D.
• El enfoque muestra un fuerte rendimiento y capacidades de generalización en conjuntos de datos de referencia.