研究生科研必备!!!2015-2020年各类国际会议基于图像的三维重建论文综述(1)——总览
此文为2015-2020年各类国际会议与期刊基于图像的三维对象重建论文综述的第一部分,总览部分
本文涵盖总结了2015到2020年几百篇国际会议与期刊上的3d-reconstruction文章。
本系列文章包括:
1.总览
2.Encoder-stage
3.Volumetric decoding
4.3D Surface Decoding
5.Leveraging other clues
6.Training
7.Datasets
8.Comparison
一.图像三维重建的输入、输出、网络架构与训练方法
输入可能是
- 单张图片
- 使用RGB摄像机捕获的多幅图像,其内在和外在参数可以是已知的或未知的
- 视频流,即具有时间相关性的图像序列
输出的表示对于网络体系结构的选择至关重要。 这也影响了重建的计算效率和质量。
- 体素表示:在早期基于深度学习的三维重建技术中被广泛采用,允许使用规则体素网格对三维形状进行参数化。 因此用于图像分析的2D卷积可以很容易地扩展到3D。 然而它们在内存需求方面非常昂贵,只有少数技术可以实现子体素精度。
- 基于表面的表示:其他论文探讨了基于表面的表示,如网格和点云。 虽然这种表示具有内存效率,但不是规则的结构,因此它们不容易适应深度学习体系结构。
- 中间表示:虽然一些三维重建算法直接从RGB图像中预测物体的三维几何形状,但另一些算法将问题分解为顺序步骤,每一步都预测一个中间表示。
研究生科研必备!!!2015-2020年各类国际会议基于图像的三维重建论文综述(1)——总览相关推荐
- 2020年 ICLR 国际会议最终接受论文(poster-paper)列表(三)
来源:AINLPer微信公众号(点击了解一下吧) 编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21 2020年的ICLR会议将于今年的4月26日-4月30日在Mil ...
- 2020年 ICLR 国际会议最终接受论文(poster-paper)列表(一)
来源:AINLPer微信公众号(点击了解一下吧) 编辑: ShuYini 校稿: ShuYini 时间: 2020-01-22 2020年的ICLR会议将于今年的4月26日-4月30日在Mil ...
- 2020年 ICLR 国际会议最终接受论文(poster-paper)列表(二)
来源:AINLPer微信公众号(点击了解一下吧) 编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21 2020年的ICLR会议将于今年的4月26日-4月30日在Mil ...
- 2020年 ICLR 国际会议最终接受论文(poster-paper)列表(四)
来源:AINLPer微信公众号(点击了解一下吧) 编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21 2020年的ICLR会议将于今年的4月26日-4月30日在Mil ...
- 香港中文大学校长计算机,喜讯 | 香港中文大学(深圳)理工学院黄建伟教授团队在IEEE计算机通信国际会议INFOCOM发表四篇论文...
近日,香港中文大学(深圳)理工学院黄建伟教授团队的四篇论文被IEEE计算机通信国际会议INFOCOM 2021 (IEEE International Conference on Computer C ...
- 2015-2020年各类国际会议与期刊基于图像的三维对象重建论文综述(8)——Comparison
下表为各种方法的比较,包括输入,输出,训练,评价指标. Accuracy metrics 最常用的用于评估三维重建算法准确性的定量度量包括: (1) The Mean Squared Error (M ...
- 2015-2020年各类国际会议与期刊基于图像的三维对象重建论文综述(7)——Datasets
7. Datasets 下面是一些目前主流的用于训练和评估基于深度学习的三维重建算法性能的数据集. "IMG":图像. "obj":objects. " ...
- 2015-2020年各类国际会议与期刊基于图像的三维对象重建论文综述(6)——Training
6. Training 除了它们的体系结构外,深度学习网络的性能取决于它们被训练的方式. Degree of supervision 早期方法依赖于3D监督. 然而手工或使用传统的三维重建技术获取gr ...
- 2015-2020年各类国际会议与期刊基于图像的三维对象重建论文综述(5)——Leveraging other clues
5. Leveraging other clues 本节展示了如何使用额外的线索,如中间表示和时间相关性来提升三维重建 如图为利用了2.5D sketches(深度.法线和轮廓depth, norma ...
最新文章
- 西安python培训班多少钱-西安Python培训班哪个好
- h5 跳转上个页面刷新_关于javascript跳转与返回和刷新页面
- Log4J入门教程(三) web项目的log4j配置
- How to: Display a Gradient Fill
- python达梦数据库_Python 编程可以访问达梦数据吗?
- *【CodeForces - 195B】After Training (多解,模拟)
- 泛型算法(lambda表达式、function类模板、bind函数适配器、迭代器类别、链表数据结构独有的算法)
- import是引进外部函数吗_CMake之引入外部项目的三种方法
- 中小学、幼儿园远程视频监控系统技术方案
- java powermockrunner_java – PowerMock从@RunWith(PowerMockRunner.class)注释中抛出异常
- python车辆型号识别_基于Tensorflow的车辆检测和车型识别
- 网上邻居是网络还是计算机,如何从局域网网络中找到网上邻居
- DOS批处理下格式化日期字符串
- Mybatis-四大神兽
- mysql服务器cpu使用率过高100%
- iOS IPv6测试环境搭建及服务器ipv6测试
- Python2/3的中、英文字符编码与解码输出: UnicodeDecodeError: 'ascii' codec can't decode/encode...
- Fabled Rooks UVA - 11134(题意+思路+题解)
- expect免密登录
- 英语情景对话计算机的优缺点,关于英语面试优点缺点口语句型|情景对话