×
戴维·卡西利亚斯·佩雷斯;丹尼尔·皮萨罗;福恩特斯·希门内斯，大卫;曼努埃尔·马佐;阿德里安·巴托利

等轴弯曲：等轴测曲面的基于模板的可视几何图形。 （英文） Zbl 1483.68426号

国际期刊计算。视觉。 129，第7期，2194-2222（2021）.
摘要：注册地图或翘曲形成形状模板（SfT）中的关键元素。它们将模板与包含变形曲面投影的输入图像相关联。最近，研究表明，如果已知翘曲及其一阶导数，等距SfT可以解析求解。实际上，通过插值一组离散模板到图像点的对应关系来恢复扭曲。此过程依赖于平滑度优先级，但忽略三维几何体。这可能会在扭曲和重建中产生错误。相比之下，我们建议创建一个3D一致扭曲，这在技术上是一项非常具有挑战性的任务，因为必须从等距SfT方程中消除3D形状变量，以便仅为扭曲找到微分约束。在偏差估计中集成这些约束将产生等径线，与等距SfT一致的扭曲3D。实验结果表明，在SfT管道中加入等翘曲可以使解析解优于非凸3D形状细化方法和最近基于DNN的SfT方法。通过凸方法可以正确地初始化isowarp，通过交叉验证可以自动获得其超参数。isowarp能够抵抗3D模糊性，并且与现有的3D形状优化方法相比，计算成本更低。因此，isowarp是SfT的一个理论和实践突破。

MSC公司：

第68页第45页 机器视觉和场景理解
68单位05 计算机图形；计算几何（数字和算法方面）

关键词：

图像扭曲;SfT公司;基于模板的;非刚性重建

软件：

搅拌机;SIFT公司;冲浪
PDF格式BibTeX公司 XML格式引用
\textit{D.Casillas-Perez}等人，《国际计算机杂志》。视觉。129，编号7，2194--2222（2021；Zbl 1483.68426）
全文： 内政部

参考文献：

[1] Agisoft Photoscan 1.0.4（2014）。http://www.agisoft.ru/products/photoscan
[2] Agudo，A.、Agapito，L.、Calvo，B.和Montiel，J.M.（2014）《良好振动：从运动角度对顺序非刚性结构进行模态分析的方法》。IEEE计算机视觉和模式识别会议记录，第1558-1565页
[3] 阿古多，A。；Moreno-Noguer，F。；卡尔沃，B。；Montiel，JMM，使用物理先验从运动中获得的顺序非刚性结构，IEEE模式分析和机器智能汇刊，38，5，979-994（2016）·doi:10.1109/TPAMI.2015.2469293
[4] 巴托利，A。；杰拉德，Y。；Chadebecq，F。；柯林斯，T。；Pizarro，D.，Shape-from-template，IEEE模式分析和机器智能汇刊，37，10，2099-2118（2015）·doi:10.1109/TPAMI.2015.2392759
[5] 巴托利，A。；佩里奥拉特，M。；Chambon，S.，广义薄板样条翘曲，国际计算机视觉杂志，88，1，85-110（2010）·Zbl 1477.68325号 ·文件编号：10.1007/s11263-009-0303-4
[6] Bay，H.、Tuytelaars，T.、Van Gool，L.（2006）。冲浪：加速强大功能。在欧洲计算机视觉会议上，第404-417页。斯普林格。
[7] Blender（1994）。在线社区：Blender-一个3D建模和渲染包。Blender Foundation，Blender Institute，阿姆斯特丹。http://www.blender.org
[8] Bookstein，FL，《主翘曲：薄板样条和变形分解》，IEEE模式分析与机器智能汇刊，6567-585（1989）·Zbl 0691.65002号 ·doi:10.1109/34.24792
[9] 布鲁内特，F。；巴托利，A。；Hartley，RI，基于单目模板的三维曲面重建：凸不可扩张和非凸等距方法，计算机视觉和图像理解，125，138-154（2014）·doi:10.1016/j.cviu.2014.04.003
[10] Brunet，F.、Bartoli，A.、Navab，N.、Malgouyres，R.等人（2009年）。NURBS扭曲。在英国机器视觉会议上。
[11] 卡西利亚斯·佩雷斯，D。；皮萨罗，D。；Fuentes-Jimenez，D。；Mazo，M。；Bartoli，A.，等截面形状模板，数学成像与视觉杂志（2018）·Zbl 1492.68131号 ·doi:10.1007/s10851-018-0862-5
[12] 恰特库利，A。；Pizarro，D。；巴托利，A。；Collins，T.，《通过表面集成实现等距形状模板的稳定分析框架》，IEEE模式分析和机器智能汇刊，39，5，833-850（2017）·doi:10.1109/TPAMI.2016.2562622
[13] Do Carmo，M.P.（2016）。曲线和曲面的微分几何：修订和更新第二版。Courier Dover出版物。
[14] Dubitzky，W.、Granzow，M.和Berrar，D.P.（2007年）。基因组学和蛋白质组学中的数据挖掘基础。柏林：斯普林格·Zbl 1170.92012年
[15] Fayad，J.、Russell，C.和Agapito，L.（2011）。自动铰接结构和点对应的三维形状恢复。2011年计算机视觉国际会议，第431-438页。电气与电子工程师协会。
[16] Fuentes-Jiménez，D.、Casillas-Pérez，D.，Pizarro-Pérex，D.、Collins，T.和Bartoli，A.（2018年）。深形状自模板：宽基线、密集快速配准和单个图像的可变形重建。CoRR abs/1811.07791。arXiv公司：1811.07791
[17] Golyanik，V.、Shimada，S.、Varanasi，K.和Stricker，D.（2018年）。Hdm-net：使用学习的变形模型进行单目非刚性三维重建。在虚拟现实和增强现实国际会议上，第51-72页。柏林：斯普林格。
[18] Haouchine，N.、Dequidt，J.、Berger，M.O.和Cotin，S.（2014）。三维弹性物体的单视图增强。ISMAR，第229-236页。电气与电子工程师协会。
[19] 哈特利，R。；Zisserman，A.，《计算机视觉中的多视图几何》（2003），剑桥：剑桥大学出版社，剑桥·Zbl 0956.68149号
[20] 喇叭，黑色；Schunck，BG，《确定光流》，人工智能，17，1-3，185-203（1981）·Zbl 1497.68488号 ·doi:10.1016/0004-3702（81）90024-2
[21] Lowe，DG，尺度不变关键点的区别图像特征，国际计算机视觉杂志，60，2，91-110（2004）·doi:10.1023/B:VISI.0000029664.99615.94
[22] Malti，A.、Bartoli，A.和Hartley，R.（2015）。模板弹性形状的线性最小二乘解。CVPR，第1629-1637页。
[23] Malti，A.和Herzet，C.（2017年）。具有空间稀疏变形力的弹性形状模板。《IEEE计算机视觉和模式识别会议记录》，第3337-3345页。
[24] Ngo，DT；J·厄斯特隆德。；Fua，P.，使用拉普拉斯网格基于模板的单目三维形状恢复，IEEE模式分析和机器智能汇刊，38，1，172-187（2016）·doi:10.1109/TPAMI.2015.2435739
[25] 奥维辛科，V。；Tabachnikov，S.，什么是schwarzian导数，AMS公告，56，1，34-36（2009）·Zbl 1176.53002号
[26] 厄兹古尔，E。；Bartoli，A.，Particle-SfT:一种可证明收敛的快速形状模板算法，国际计算机视觉杂志，123，2，184-205（2017）·Zbl 1458.68243号 ·doi:10.1007/s11263-016-0968-4
[27] 帕拉沙尔，S。；Pizarro，D。；Bartoli，A.，利用cartan连接进行局部可变形三维重建，IEEE模式分析和机器智能汇刊，42，12，3011-3026（2020）·doi:10.1109/TPAMI.2019.2920821
[28] 佩里奥拉特，M。；哈特利，R。；Bartoli，A.，《基于单目模板的不可拉伸表面重建》，《国际计算机视觉杂志》，95，2，124-137（2011）·Zbl 1235.68281号 ·doi:10.1007/s11263-010-0352-8
[29] Pilet，J。；Lepetit，V。；Fua，P.，《快速非刚性表面检测、注册和真实感增强》，《国际计算机视觉杂志》，76，2，109-122（2008）·doi:10.1007/s11263-006-0017-9
[30] Pizarro，D。；Bartoli，A.，《基于特征的变形表面检测与自遮挡推理》，《国际计算机视觉杂志》，97，1，54-70（2012）·Zbl 1235.68283号 ·doi:10.1007/s11263-011-0452-0
[31] Pizarro，D.、Bartoli，A.和Collins，T.（2013）。Isowarp和conwarp：完全符合变形对象的弱透视投影的扭曲。在BMVC中。
[32] Pizarro，D。；Khan，R。；Bartoli，A.，Schwarps:基于二维schwarzian导数的局部投影图像扭曲，国际计算机视觉杂志，119，2，93-109（2016）·Zbl 1398.68641号 ·doi:10.1007/s11263-016-0882-9
[33] Pumarola，A.、Agudo，A.、Porzi，L.、Sanfeliu，A.、Lepetit，V.和Moreno-Noguer，F.（2018年）。用于从单个视图预测非刚性形状的几何图形网络。《IEEE计算机视觉和模式识别会议记录》，第4681-4690页。
[34] Rueckert，D。；李索诺达；海耶斯，C。；希尔，DLG；密苏里州浸出；Hawkes，DJ，使用自由形式变形的非刚性配准：乳腺MR图像的应用，IEEE医学成像汇刊，18，8，712-721（1999）·doi:10.1109/42.796284
[35] Salzmann，M。；Fua，P.，可变形表面单目重建的线性局部模型，IEEE模式分析和机器智能汇刊，33，5，931-944（2011）·doi:10.1109/TPAMI.2010.158
[36] Shimada，S.、Golyanik，V.、Theobalt，C.和Stricker，D.（2019年）。Ismo-gan：单眼非刚性三维重建的对抗学习。在IEEE计算机视觉和模式识别研讨会会议记录中。
[37] Sundaram，N.、Brox，T.和Keutzer，K.（2010年）。GPU加速大位移光流的密集点轨迹。在欧洲计算机视觉会议上，第438-451页。柏林：斯普林格。
[38] Varol，A.、Salzmann，M.、Fua，P.和Urtasun，R.（2012）。受约束的潜在变量模型。2012年IEEE计算机视觉和模式识别会议，第2248-2255页。电气与电子工程师协会。
[39] Yu，R.、Russell，C.、Campbell，N.D.和Agapito，L.（2015）。直接、密集和可变形：基于模板的RGB视频非刚性3D重建。《IEEE计算机视觉国际会议论文集》，第918-926页。
[40] 扎克，C。；Pock，T。；比肖夫，H。；FA汉普雷希特；Schnörr，C。；Jähne，B.，实时tv-l1光流的基于对偶的方法，模式识别，214-223（2007），柏林，：施普林格，柏林·doi:10.1007/978-3-540-74936-3_22
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。