研究人员开发了一个名为Planar-SfM的新运动恢复结构（SfM）系统，该系统利用场景中的平面来改进相机姿态估计。与在退化的平面几何中挣扎的传统方法不同，Planar-SfM使用可见平面的同态分解来推导独立的相对相机姿态估计。该系统从这些同态估计中构建姿态图，并采用谱嵌入来过滤不可靠的连接，最终提取一致的生成树以进行姿态恢复。这种方法在具有挑战性的平面场景（如篮球场）上表现出卓越的性能，同时在一般的3D环境中保持了有竞争力的结果。 AI
影响 这种新方法可以提高在具有显著平面表面的环境中的3D重建和场景理解的鲁棒性。
排序理由 该集群包含一篇详细介绍相机姿态估计新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.31979v2 Announce Type: replace Abstract: Structure from Motion (SfM) systems traditionally struggle with planar scenes, where standard epipolar geometry-based methods become degenerate. Rather than viewing planar surfaces as a limitation, we propose a unified framework…
Structure from Motion (SfM) systems traditionally struggle with planar scenes, where standard epipolar geometry-based methods become degenerate. Rather than viewing planar surfaces as a limitation, we propose a unified framework that leverages them as a source of geometric constr…