一个串行视角的光度立体过和串行空间信息的过和串行

科学领域:

• 计算机视觉 计算机视觉
• 三维重建的3D重建
• 表面计量学 表面计量学

背景情况:

• 光度立体 (PS) 从具有不同照明的图像中恢复表面正常,这对于3D重建和缺陷检测至关重要.
• 由于GCN/变压器的冗余特征和有限的训练数据质感复杂性,现有的方法在复杂的表面上扎.
• 在GCN中全球信息提取的弱点和变压器的高计算成本阻碍了当前的PS技术.

研究的目的:

• 引入一种新的方法,即空间信息的过和序列化 (FSSI-PS),用于未校准的光度计立体任务.
• 解决当前PS方法的局限性,包括特征冗余,计算成本和不足的培训数据丰富性.
• 为了提高图像3D表面重建的准确性和效率.

主要方法:

• 开发了FSSI-PS,这是一种用于未校准光度计立体声的新方法.
• 利用Mamba-RNN通过融合特征地图来优化特征表示,减少冗余和计算负载.
• 通过排序对空间信息进行了序列化,并引入了平均角变化度量来评估数据集构建的纹理复杂性.

主要成果:

• 通过序列化和过优化功能地图和数据集丰富性,增强重建.
• 成功构建了DNS-S+B,一个光度立体训练集,具有不同的复杂度级别 (困难,正常,简单).
• 通过将FSSI-PS与DiLiGenT和LUCES基准的最先进方法进行比较,证明了有效性.

结论:

• FSSI-PS为未校准的光度学立体声提供了有效的解决方案,克服了现有方法的局限性.
• 该方法可以在减少计算资源的情况下实现准确的3D重建.
• 开发的平均角变量度量和DNS-S+B数据集有助于推进PS研究,特别是对于复杂的表面.