研究人员开发了GHOST，一个旨在提高透明物体深度估计和3D重建的新框架。这种几何引导的预处理方法将透明区域转换为不透明的、结构一致的表示。GHOST利用TransDINO、TransDecomp、DAF-Net和GeoSemTransNet等视觉基础模型来解耦掩码、物理属性和表面法线，最终合成保留物体3D结构的不透明RGB图像。实验表明，GHOST在应用于透明物体时，显著提高了现有深度估计和重建模型的准确性。 AI
影响 通过恢复光度线索，提高了透明物体的3D重建准确性。
排序理由 该集群包含一篇详细介绍计算机视觉新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.11118v1 Announce Type: new Abstract: Transparent objects pose a fundamental challenge for depth estimation and 3D reconstruction due to their violation of Lambertian assumptions, leading to severe geometry degradation in downstream tasks. To address this, we propose a …
Transparent objects pose a fundamental challenge for depth estimation and 3D reconstruction due to their violation of Lambertian assumptions, leading to severe geometry degradation in downstream tasks. To address this, we propose a novel geometry-guided preprocessing framework \t…