改进了基于四边形树的单个图像的选择,用于3D生成.
Wanyun Li1, Yue Liu1, Yuqiang Fang1
1Graduate School, Space Engineering University, Beijing 101416, China.
Sensors (Basel, Switzerland)
|November 13, 2025
概括
本研究介绍了一种新的基于四边形图像的图像选择框架,以优化从单个图像进行3D重建. 该方法通过选择最有信息的图像来提高3D模型质量和几何一致性.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 3D重建的3D重建
背景情况:
- 对于3D内容的生成模型正在迅速发展.
- 单视图3D重建提供了一个实用的方法,但需要最佳的图像选择.
- 自动化图像选择对于提高重建质量和效率至关重要.
研究的目的:
- 提出一个新的图像选择框架,用于单视图3D重建.
- 从大型图像数据集中提高3D模型生成的质量和效率.
- 为了确定最有信息的图像,以获得最佳的重建结果.
主要方法:
- 开发了一种用于图像选择的多功能融合四树结构.
- 集成多种视觉和语义特征,用于全面的图像评估.
- 利用一个层次的四树来有效地评估图像内容和相关性.
主要成果:
- 提出的方法显著减少了重建错误,平均为29.5%.
- 与基线相比,获得了更好的准确性 (4.238),完整性 (5.166) 和整体得分 (4.702).
- 在使用讯的洪元3D模型生成的3D模型中证明了增强的几何一致性和视觉可信性.
结论:
- 多功能融合四树框架有效地选择最佳图像进行单视图3D重建.
- 该方法导致3D模型质量和重建精度的大幅提高.
- 这种方法代表了自动化3D内容生成的重大进步.


