064 Tabletop Transparent Scene Reconstruction via Epipolar-Guided Optical Flow with Monocular Depth Completion Prior

Zhangwenniu 于 2023-12-12 发布  |   阅读量: 次

如果有研究透明场景3D重建的研究者，可以通过邮箱zhangwenniu@163.com联系我，我目前创建了一个透明场景3D重建的研究者交流群，欢迎感兴趣的研究者加入。

文章信息

标题

Dense Reconstruction of Transparent Objects by Altering Incident Light Paths Through Refraction

作者

Xiaotong Chen1, Zheming Zhou2, Zhuo Deng2, Omid Ghasemalizadeh2, Min Sun2, Cheng-Hao Kuo2, Arnie Sen2

1 X. Chen is with the Department of Robotics, University of Michigan, Ann Arbor, MI, USA. cxt@umich.edu 2 Z. Zhou, Z. Deng, O. Ghasemalizadeh, M. Sun, and C.H. Kuo are with Amazon Lab126, Sunnyvale, CA, USA. {zhemiz, zhuod, ghasemal, minnsun, chkuo, senarnie}@amazon.com

发表信息

引用信息

@INPROCEEDINGS{10233838,
  author={Wang, Ziyu and Yang, Wei and Cao, Junming and Hu, Qiang and Xu, Lan and Yu, Junqing and Yu, Jingyi},
  booktitle={2023 IEEE International Conference on Computational Photography (ICCP)}, 
  title={NeReF: Neural Refractive Field for Fluid Surface Reconstruction and Rendering}, 
  year={2023},
  volume={},
  number={},
  pages={1-11},
  doi={10.1109/ICCP56744.2023.10233838}
}

论文链接

ieee link

iccp link

iccp 2023 link

arxiv link

semantic scholar link

文章内容

介绍

21-231209. Tabletop Transparent Scene Reconstruction via Epipolar-Guided Optical Flow with Monocular Depth Completion Prior. 本文于2023年10月15号挂在Arxiv上的，据arxiv上的备注说，本文是投IEEE-RAS Humanoids 2023 paper的。文章的方法缩写为D-EOF，缩写来自Monocular Depth Prior-based Epipolar-Guided Optical Flow，基于ClearPose多透明物体数据集的透明物体点云重建任务，作者将工作分为两阶段。第一阶段使用单视角的深度补全网络与透明物体的分割网络，预测单一视角下的透明物深度。第二阶段利用对极线约束相邻视角下透明物体的边界位置一致性，相邻视角的位置变化是通过光流法确定的。文章汇报了在ClearPose的透明物体数据集下，对透明物体点云的重建效果。由于没有合适的比较方法，文章对比单个透明物体的重建方法Through Looking Glass、通用场景下的TSDF表面重建方法。文章汇报了训练分割网络RCNN的轮数是5轮，三维的轮廓标定点在捆集调整训练30轮，文中并没有说明具体时间，但是考虑到整个数据集较大，训练一轮的时间可能较长。

评论