bundle adjustment
PulseAugur coverage of bundle adjustment — every cluster mentioning bundle adjustment across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新基准评估用于3D场景合成的相机姿态估计
研究人员开发了一个基准来评估新视角合成的相机姿态估计策略，这一过程对于创建3D场景表示至关重要。研究发现，通过减少特征使用同时保持高精度，可以显著加速传统的运动恢复结构（SfM）方法。此外，将用于初始估计的前馈神经网络与经典SfM优化相结合，可以在效率和有效性之间取得最佳平衡。
-
新的Hierarchy-GBP方法加速因子图推理
研究人员开发了Hierarchy-GBP (H-GBP)，这是一个旨在加速因子图推理的高斯信念传播 (GBP) 的新框架。H-GBP采用两阶段过程，首先通过粗略图抽象近似全局误差，然后在用标准GBP精炼局部误差之前恢复这些结果。该方法在稀疏线性图上的收敛速度比传统GBP更快，并在大规模姿态图优化和捆绑调整问题上取得了最先进的运行时性能。
-
BLASt3R框架通过多视图匹配和单目先验增强运动恢复结构系统
研究人员开发了BLASt3R，一个新颖的捆绑调整框架，专为运动恢复结构（SfM）系统设计。该框架集成了快速的多视图匹配器和单目先验，以增强在线视觉SLAM（VSLAM）和无序图像集的离线重建。实验表明，与现有方法相比，BLASt3R提供了更高的性能和速度，在未校准的VSLAM任务中尤其优于已校准的方法。
-
新的捆绑调整框架提升了3D计算机视觉的准确性
研究人员开发了一个新的捆绑调整框架，提高了其在3D计算机视觉中的可扩展性和稳定性。该方法通过将群约束建模为类似相机的实体，统一了几何特征和高阶关系（如平行度和共面性）的优化。该方法通过2D重投影测量来表达这些约束，保留了传统基于点的捆绑调整的稀疏结构，并避免了数值不稳定性。实验表明，该新框架在运行时性能上可与经典方法相媲美，同时产生更准确、更详细的3D结构。
-
新滚动快门相机自标定方法发布
研究人员开发了一种新颖的滚动快门（RS）相机自标定方法，无需标定目标或专用硬件。该新方法通过采用自标定捆绑调整技术，直接从图像序列中估计相机内参和读出时间比。该方法将两个现有的RS成像模型整合到一个统一的双投影模型中，增强了几何和时间一致性，以实现更精确的3D视觉应用。
-
新的CSS-BA方法增强了在复杂场景下的三维重建精度
研究人员开发了一种名为门控列空间搜索捆绑调整（CSS-BA）的新方法，以提高在复杂场景下三维重建的精度和稳定性。该方法通过将更新约束在一个由几何信息指导的低维子空间内，来修改经典的基于Schur的Levenberg-Marquardt（LM）求解器。与选择关键帧的方法不同，CSS-BA在优化中保留所有参数，同时限制更新方向，可以作为现有管线的即插即用替代方案。实验表明，在弱几何情况下，优化更稳定，姿态精度更高。
-
新的EPO框架在无需特征提取的情况下提高了3D基础模型的准确性
研究人员开发了一个名为基于边缘的姿态优化（EPO）的新框架，以提高3D基础模型的准确性。与需要大量特征提取和匹配的传统方法不同，EPO使用边缘图对齐作为几何优化的代理。这种方法避免了显式轨迹构建的需要，显著降低了运行时间和内存需求。评估表明，EPO在性能上可与传统的Bundle Adjustment类方法相媲美或超越，同时适用于消费级硬件。
-
计算机视觉研究推动多模态理解和鲁棒分割
研究人员开发了 WeatherSeg，这是一个半监督分割框架，旨在通过使用双教师-学生模型进行知识蒸馏和分类器权重更新机制，来改善恶劣天气条件下自动驾驶的感知能力。另外，为多摄像头系统提出了一种新的仅姿态几何约束，以提高视觉导航和 3D 场景重建中捆绑调整的计算效率。另一项进展通过将摄像头嵌入校准目标中，实现了多投影仪校准的可扩展性限制，从而可以同时估计投影仪参数。此外，DeepTaxon 提供了一个检索增强的多模态框架，用于生物多样…