ETH3D
PulseAugur coverage of ETH3D — every cluster mentioning ETH3D across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的运动恢复结构方法结合基础模型和深度先验以改进3D重建 · 跟踪到4个来源
两篇新的研究论文介绍了先进的运动恢复结构（SfM）重建方法。Glob3R利用3D基础模型并优化前馈几何预测，以实现鲁棒且准确的场景重建。DGSfM通过整合单目深度图作为先验来增强全局SfM，通过深度感知求解器和一致性检查来提高鲁棒性和姿态准确性。
-
新的URS-Stereo框架通过不确定性引导增强实时立体匹配
研究人员开发了URS-Stereo，一个新颖的实时立体匹配框架，专为需要速度和精度的应用而设计，例如机器人和自主系统。该系统引入了一个不确定性引导残差搜索模块（UGRSM），该模块可预测传播的视差估计的可靠性。该模块自适应地调整局部成本体积的搜索区域，在不牺牲计算效率的情况下提高了对应估计的鲁棒性。在包括SceneFlow、KITTI、Middlebury和ETH3D在内的各种数据集上的实验表明，URS-Stereo在保持实时性能的同…
-
新的注意力机制提高了立体匹配的准确性和效率
两篇新研究论文介绍了用于立体匹配的新型注意力机制，立体匹配是3D重建的关键计算机视觉任务。第一篇论文MatchAttention将显式匹配约束嵌入注意力机制，实现了线性复杂度和在Middlebury V3和KITTI等基准测试中的最先进准确度。第二篇论文GREATEN将表面法线作为几何线索，以改善合成到真实场景的泛化能力，解决了纹理缺失和非朗伯表面区域的挑战，并利用稀疏注意力设计来提高效率。
-
通过具有可学习代数群和环结构的神经网络进行单目深度估计
研究人员开发了LAGRNet，这是一个用于单目深度估计的新框架，它融入了代数几何原理。与先前将深度估计视为通用回归问题的先前方法不同，LAGRNet明确地将可学习的群、环和层结构嵌入其深度学习流程中。这种方法旨在强制执行投影等变性并确保全局拓扑一致性，从而在KITTI和NYU-Depth V2等基准测试中提高准确性和泛化能力。