用RGB-D数据进行室内3D重建的神经色彩校正
Tiago Madeira1,2, Miguel Oliveira1,3, Paulo Dias1,2
1Institute of Electronics and Informatics Engineering of Aveiro (IEETA), Intelligent System Associate Laboratory (LASI), University of Aveiro, 3810-193 Aveiro, Portugal.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一种用于3D重建中的色彩校正的新型神经网络. 该方法在稀疏的室内拍摄中协调颜色,显著改善了照片现实的模型生成.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 机器学习 机器学习
背景情况:
- 在以人为中心的应用中,生成照片现实的3D模型至关重要.
- 室内场景的多视图3D重建由于不同的采集条件而导致颜色不一致.
- 这些不一致导致最终3D模型中的视觉工件.
研究的目的:
- 提出一种基于神经系统的新方法,用于室内3D重建中的色彩校正.
- 在复杂的室内环境中,从稀疏的捕获中协调颜色.
- 为了应对生成照片现实的3D模型的挑战.
主要方法:
- 开发了一种轻量级和高效的神经网络方法.
- 一个完全连接的深度神经网络学习了3D空间中颜色的隐性表示.
- 捕获了取决于相机的效果,并估计转换可再生像素.
主要成果:
- 拟议的方法有效地协调从稀疏捕获的颜色.
- 它在MP3D数据集上表现优于现有的最先进的方法.
- 这种方法产生了视觉上有吸引力和没有文物的3D模型.
结论:
- 基于神经的色彩校正方法对于室内3D重建是有效的.
- 它比目前用于生成照片现实的模型的方法提供了显著的改进.
- 这种方法轻量化,高效,适合复杂的室内场景.


