相关实验视频
Updated: Jun 29, 2025

14:25
Determining 3D Flow Fields via Multi-camera Light Field Imaging
Published on: March 6, 2013
16.6K
神经辐射场灵感深度地图精细化为准确的多视图立体声
Shintaro Ito1, Kanta Miura1, Koichi Ito1
1Graduate School of Information Sciences, Tohoku University, 6-6-05, Aramaki Aza Aoba, Sendai 9808579, Japan.
Journal of imaging
|March 27, 2024
概括
这项研究通过结合多视图立体声 (MVS) 和神经辐射场 (NeRF) 来完善深度地图估计. 这种新的方法提高了对象表面和边界的精度,以便更好地重建3D场景.
科学领域:
- 计算机视觉 计算机视觉
- 3D重建的3D重建
- 机器学习 机器学习
背景情况:
- 多视图立体声 (MVS) 在对象表面的深度估计方面表现出色.
- 神经辐射场 (NeRF) 对于对象边界的深度估计是有效的.
- 整合MVS和NeRF有可能提高深度图的准确性.
研究的目的:
- 提出一种使用代神经辐射场 (NeRF) 优化改进深度图的新方法.
- 为了利用MVS和NeRF的互补优势,提高深度地图估计.
- 通过引入Huber损失函数来提高深度地图精细化的准确性.
主要方法:
- 神经辐射场 (NeRF) 的代优化,以改进深度图.
- 集成多视图立体声 (MVS) 深度估计与NeRF.
- 在NeRF优化过程中应用Huber损失函数来限制错误.
主要成果:
- 与传统技术相比,拟议的方法在深度地图精制方面表现出优异的性能.
- 在Redwood-3dscan和DTU数据集上的实验验证实了该方法的有效性.
- MVS和NeRF的组合,以及Huber的损失,可以产生更准确的深度图.
结论:
- 拟议的方法有效地通过协同结合MVS和NeRF来完善深度图.
- 休伯损失有助于提高基于NeRF的深度地图精制的精度.
- 这种方法在3D场景重建准确度方面取得了重大进展.
更多相关视频
05:12Robotized Testing of Camera Positions to Determine Ideal Configuration for Stereo 3D Visualization of Open-Heart Surgery
Published on: August 12, 2021
2.0K
06:26Stereo-Imaging System DLT Calibration to Capture 3D In Situ Displacements of Stretched Peripheral Nerves
Published on: January 12, 2024
390