研究人员开发了深度捆绑调整(DeepBA),这是一种新颖的图神经网络,旨在从多视图的二维匹配中重建相机姿态、内参和场景结构。与解决非线性最小二乘问题的传统捆绑调整方法不同,DeepBA学习从几何残差中迭代地优化估计,从而无需复杂的初始化即可从冷启动开始收敛。通过尺度不变监督进行训练,它可以处理具有不同度量单位的数据集。与以前的学习方法相比,DeepBA在场景重建和姿态度量方面表现出优越的性能,同时在精度方面与经典的运动恢复结构(SfM)相当,并且随着视图数量的增加,执行速度更快。 AI
影响 这种新的图神经网络方法可以加速计算机视觉应用中的三维重建和相机姿态估计。
排序理由 该条目描述了一篇详细介绍用于计算机视觉任务的新型图神经网络的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Deep Bundle Adjustment
- Gotit.pub
- graph neural network
- Hugging Face
- ScienceCast
- VGGT-Ω
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →