当前位置：
X-MOL 学术
›
Comput. Animat. Virtual Worlds
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Dense multiview stereo based on image texture enhancement
Computer Animation and Virtual Worlds ( IF 0.9 ) Pub Date : 2020-11-26 , DOI: 10.1002/cav.1979 Jie Liao 1 , Mengqiang Wei 2 , Yanping Fu 1 , Qingan Yan 3 , Chunxia Xiao 1
Computer Animation and Virtual Worlds ( IF 0.9 ) Pub Date : 2020-11-26 , DOI: 10.1002/cav.1979 Jie Liao 1 , Mengqiang Wei 2 , Yanping Fu 1 , Qingan Yan 3 , Chunxia Xiao 1
Affiliation
|
In this paper, we propose a novel Multiview Stereo (MVS) method which can effectively estimate geometry in low‐textured regions. Conventional MVS algorithms predict geometry by performing dense correspondence estimation across multiple views under the constraint of epipolar geometry. As low‐textured regions contain less feature information for reliable matching, estimating geometry for low‐textured regions remains hard work for previous MVS methods. To address this issue, we propose an MVS method based on texture enhancement. By enhancing texture information for each input image via our multiscale bilateral decomposition and reconstruction algorithm, our method can estimate reliable geometry for low‐textured regions that are intractable for previous MVS methods. To densify the final output point cloud, we further propose a novel selective joint bilateral propagation filter, which can effectively propagate reliable geometry estimation to neighboring unpredicted regions. We validate the effectiveness of our method on the ETH3D benchmark. Quantitative and qualitative comparisons demonstrate that our method can significantly improve the quality of reconstruction in low‐textured regions.
中文翻译：
基于图像纹理增强的密集多视图立体
在本文中，我们提出了一种新颖的多视图立体（MVS）方法，该方法可以有效地估计低纹理区域中的几何形状。常规的MVS算法通过在极线几何的约束下跨多个视图执行密集的对应估计来预测几何。由于低纹理区域包含的特征信息较少，无法进行可靠的匹配，因此对于以前的MVS方法，估计低纹理区域的几何形状仍然很困难。为了解决这个问题，我们提出了一种基于纹理增强的MVS方法。通过我们的多尺度双边分解和重建算法，通过增强每个输入图像的纹理信息，我们的方法可以为低纹理区域估计可靠的几何形状，这对于以前的MVS方法来说是很难解决的。为了使最终输出点云更致密，我们进一步提出了一种新型的选择性联合双边传播滤波器，它可以有效地将可靠的几何估计传播到相邻的不可预测区域。我们在ETH3D基准上验证了我们方法的有效性。定量和定性比较表明，我们的方法可以显着提高低纹理区域的重建质量。
更新日期：2020-11-26
中文翻译：
基于图像纹理增强的密集多视图立体
在本文中，我们提出了一种新颖的多视图立体（MVS）方法，该方法可以有效地估计低纹理区域中的几何形状。常规的MVS算法通过在极线几何的约束下跨多个视图执行密集的对应估计来预测几何。由于低纹理区域包含的特征信息较少，无法进行可靠的匹配，因此对于以前的MVS方法，估计低纹理区域的几何形状仍然很困难。为了解决这个问题，我们提出了一种基于纹理增强的MVS方法。通过我们的多尺度双边分解和重建算法，通过增强每个输入图像的纹理信息，我们的方法可以为低纹理区域估计可靠的几何形状，这对于以前的MVS方法来说是很难解决的。为了使最终输出点云更致密，我们进一步提出了一种新型的选择性联合双边传播滤波器，它可以有效地将可靠的几何估计传播到相邻的不可预测区域。我们在ETH3D基准上验证了我们方法的有效性。定量和定性比较表明，我们的方法可以显着提高低纹理区域的重建质量。
京公网安备 11010802027423号