GP-Recon:在线单眼神经3D重建与几何前置

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:

• 从单眼视频进行在线3D场景重建具有挑战性,特别是在细粒度的几何细节方面.
• 之前的神经隐性表示方法实现了连贯的重建,但在在线处理过程中难以保持一致的细节.

研究的目的:

• 介绍GP-Recon,一种用于高保真在线单眼3D重建的飞行式方法.
• 为了改进细粒度几何细节的实时重建.

主要方法:

• 将几何先验 (GP) 纳入神经几何学习中,以增强细节捕获.
• 开发一个在线卷染优化技术,在重建过程中保存几何细节.

主要成果:

• 与最先进的方法相比,GP-Recon表现出卓越的性能.
• 该方法始终产生更准确和完整的3D重建,显著改善了细粒度的细节.

结论:

• GP-Recon有效地解决了在线细粒度3D重建中以前方法的局限性.
• 拟议的方法为高保真单眼3D场景重建提供了强大的解决方案.