相关实验视频
Updated: Jan 16, 2026
06:54
Photorealistic Learned Landscapes for Augmented Reality
Published on: June 27, 2025
684
改进了3D重建管道,以提高从多视图图像生成3D模型的质量
Trishna Paul1,2, Alka Beniwal3, Mukesh Kumar Rohil3
1Department of Computer Science and Information Systems, Birla Institute of Technology and Science Pilani, Vidya Vihar, Pilani, 333031, Rajasthan, India. p20210082@pilani.bits-pilani.ac.in.
Scientific reports
|September 26, 2025
概括
这项研究通过优化摄像头姿势和3D点来增强使用光谱的3D模型生成. 改进的管道甚至从低质量的图像中产生高质量的3D模型.
科学领域:
- 计算机视觉 计算机视觉
- 计算几何学的计算几何学
- 三维重建的3D重建
背景情况:
- 从二维图像生成3D模型时,摄影度学至关重要.
- 现有的管道往往缺乏系统的定义和严格的评估.
- 输入图像质量对3D模型真实性的影响需要进一步研究.
研究的目的:
- 为详细的3D模型生成提供精细的光度计管道.
- 系统地分析重建过程的数学基础.
- 通过各种数据集和输入图像质量来评估管道的性能.
主要方法:
- 经过修改的常规光谱管道,最小三角角度为3°.
- 同时优化摄像头姿势和3D点的捆绑调整,以最大限度地减少重新投影错误.
- 使用了1024x1024尺寸的片缓冲区进行处理.
主要成果:
- 从专有和公共数据集 (货币工厂,雕像,旧计算机) 成功生成了详细的3D模型.
- 即使使用低质量的输入图像,也证明了高质量的3D模型重建.
- 量化了输入图像质量 (BRISQUE分数) 和生成的3D模型之间的关系.
结论:
- 增强的摄像度管道为3D重建提供了强大而通用的方法.
- 该研究为摄影测量应用提供了理论见解和实际验证.
- 未来的工作可能会探索并行实现以进一步提高效率.
