研究人员开发了一种新的方法,用于在单目视频中重建风驱动的植被,解决了沿视线方向的不可观察运动和缺乏静态参考点的挑战。该方法用物理参数化的变形先验替换了直接学习的变形场,为每个刚性部分使用了阻尼谐振子。该先验使用可微分的RK4方法进行积分,并通过光度法进行监督,旨在恢复运动,而不仅仅是优化光度一致性。虽然该方法在未见过的风速下显示出改进的时间外推和性能,但其代价是在分布内视图上的外观保真度下降,并且参数恢复,特别是阻尼的恢复,仍然较弱。 AI
影响 这项研究可以提高计算机图形学和虚拟环境中植被模拟的真实感和准确性。
排序理由 详细介绍计算机视觉新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- 4D Gaussian Splatting
- alphaXiv
- arXiv
- CatalyzeX
- classic Runge–Kutta method
- CORE Recommender
- DagsHub
- Gotit.pub
- harmonic oscillator
- Hugging Face
- Influence Flower
- ScienceCast
- Wind on Trees
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →