港大研究員提出融合自適應(yīng)法向量約束和遮擋注意力的深度估計新方法
下式顯示了優(yōu)化網(wǎng)絡(luò)的損失函數(shù)，P（q）為位置q處的遮擋概率。損失函數(shù)綜合了遮擋概率作用下的深度、法向量以及遮擋概率圖，并用權(quán)重調(diào)節(jié)各部分的重要性：
實驗結(jié)果
在模型訓(xùn)練過程中，研究人員使用了ScanNet作為訓(xùn)練數(shù)據(jù)，并在7Scenes和SUND3D數(shù)據(jù)集上進(jìn)行了測試。訓(xùn)練過程首先對DepthNet進(jìn)行訓(xùn)練，而后固定其權(quán)重再訓(xùn)練RefineNet，最后再共同對整個模型進(jìn)行調(diào)優(yōu)。
下圖顯示了這種方法與多種深度估計方法在7－Scenes數(shù)據(jù)上的比較，可以看到針對多個指標(biāo)都取得了優(yōu)異的結(jié)果：
下圖顯示了模型重建的結(jié)果，可以看到深度圖中邊緣更為銳利、更好地保留了形狀的規(guī)則外形：
在得到的表面法向量上也達(dá)到了優(yōu)異性能：
在視覺質(zhì)量上也超過了其他方法，CNM約束可以更好的保留局部和全局的幾何結(jié)構(gòu)信息。
從最終的三維重建結(jié)果中可以看到，即便是對于像沙發(fā)、白墻這樣的弱紋理結(jié)構(gòu)也能輕松重建，重建的顏色也更接近于基準(zhǔn)、形狀更為連續(xù)噪聲也更少。
此外研究人員還分析了局域／全局法向量CNM、優(yōu)化模塊和遮擋概率圖等不同模塊的有效性：
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025（第六屆）機(jī)器人及智能工廠展
-
7月31日免費預(yù)約>> OFweek 2025具身智能機(jī)器人產(chǎn)業(yè)技術(shù)創(chuàng)新應(yīng)用論壇
-
免費參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
-
8月5日立即報名>> 【在線會議】CAE優(yōu)化設(shè)計：醫(yī)療器械設(shè)計的應(yīng)用案例與方案解析
推薦專題
