MonoRelief V2:利用真实数据进行高保真的单眼浮雕恢复
IEEE transactions on visualization and computer graphics
|March 13, 2026
概括
MonoRelief V2从单个图像中恢复2.5D浮雕,通过对合成和现实世界的数据进行训练,优于以前的模型. 这种增强的方法提高了2.5D浮雕重建的准确性和效率.
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:
- 从单个图像中恢复2.5D浮雕是具有挑战性的,因为复杂的材料和照明变化.
- 像MonoRelief V1这样的先前模型仅限于在合成数据上进行训练,这影响了现实世界的性能.
- 需要强大的模型,能够处理各种现实世界的条件.
研究的目的:
- 介绍MonoRelief V2,一个改进的端到端模型,用于从单个图像直接恢复2.5D浮雕.
- 通过将现实世界的数据纳入培训过程,提高模型的稳定性,准确性和效率.
- 为了展示最先进的深度性能和2.5D浮雕重建的正常预测.
主要方法:
- 开发了MonoRelief V2,一个端到端的深度学习模型.
- 使用文本到图像模型和伪标签的融合深度/正常预测生成了一个大规模的伪真实数据集 (15,000 张图像).
- 使用多视图重建和改进构建了一个小规模的真实世界数据集 (800个样本).
- 在伪真实和真实世界数据集上逐步训练MonoRelief V2.
主要成果:
- 在深度和正常预测方面,MonoRelief V2 实现了最先进的性能.
- 与其前身相比,该模型表现出更好的稳定性和准确性.
- 实验验证实训练的有效性,使用伪真实和现实数据的组合.
结论:
- MonoRelief V2 在单图像2.5D浮雕恢复方面取得了重大进展.
- 真实数据和先进的数据生成技术的整合增强了模型的概括性.
- 该模型显示了计算机视觉和图形学的各种下游应用的巨大潜力.


