快速数据生成用于训练 深度学习 摄像机阵列的3D重建方法

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 神经网络越来越多地用于从多摄像机阵列的深度重建.
• 现有的训练数据集经常模拟固定摄像头配置,限制了适应性.
• 对深度重建的监督学习需要广泛的地面真相数据.

研究的目的:

• 开发一款多功能虚拟数据生成器,用于创建用于深度重建的大规模训练数据集.
• 为了使多种多摄像头阵列配置的培训,包括广泛的基线设置.
• 解决当前数据集在模拟现实和多样化的场景方面的局限性.

主要方法:

• 开发了一个纯虚拟数据生成器,能够适应各种相机阵列大小和相机间距离.
• 该生成器使用随机对象,纹理和用户定义的参数 (例如差异范围,图像分辨率) 创建虚拟场景.
• 生成的数据虽然不切实际,但包含诸如薄元素和随机纹理赋值等挑战,以提高模型的稳定性.

主要成果:

• 虚拟数据生成器成功创建了大型,可适应的训练数据集.
• 实验重点是广泛的基线配置,证明了发电机对于具有挑战性的场景的实用性.
• 使用成熟的深度学习和深度重建算法的验证证实了生成数据集的有效性.

结论:

• 拟议的虚拟数据生成器是为深度重建算法创建多样化的训练数据的有价值工具.
• 该方法有效地支持对各种摄像机阵列配置,特别是宽基线系统的模型培训.
• 生成的数据集提高了深度重建模型的稳定性和性能.