We propose R3D3, a multi-camera system for dense 3D reconstruction and ego-motion estimation. Our approach iterates between geometric estimation that exploits spatial-temporal information from multiple cameras, and monocular depth refinement.

2023年8月28日 · We propose R3D3, a multi-camera system for dense 3D reconstruction and ego-motion estimation. Our approach iterates between geometric estimation that exploits spatial-temporal information from multiple cameras, and monocular depth refinement.

R3D3是一种用于密集三维重建和自我运动估计的多摄像头算法，该方法通过迭代地结合多摄像头的几何估计和单目深度细化来实现一致的密集三维重建。 R3D3的核心思想是将单目线索与来自多摄像头的空间-时间信息的几何深度估计相结合，通过在共视图中迭代密集对应关系，计算准确的几何深度和位姿估计。 为了在多摄像头设置中确定共视帧，作者提出了一种简单而有效的多摄像头算法，用于平衡性能和效率。 深度细化网络以几何深度和对应的不确定性为输入，并生成细化 …

本文提出了R3D3，一个用于密集三维重建和自我运动估计的多相机系统。 该方法在利用来自多个摄像机的时空信息的几何估计和单目深度细化之间迭代。 本文整合了多相机特征相关和密集束调整算子，产生鲁棒的几何深度和姿态估计。 为了改善几何深度不可靠的重建，例如运动物体或低纹理区域，本文通过深度细化网络引入可学习的场景先验。 这种设计能够对具有挑战性的动态户外环境进行密集、一致的3D重建。 因此，在 DDAD 和 NuScenes 基准上实现了最先进的密集深度预 …

We propose R3D3, a multi-camera system for dense 3D reconstruction and ego-motion estimation. Our ap-proach iterates between geometric estimation that exploits spatial-temporal information from multiple cameras, and monocular depth refinement.

2023年10月6日 · We propose R3D3, a multi-camera system for dense 3D reconstruction and ego-motion estimation. Our approach iterates between geometric estimation that exploits spatial-temporal information from multiple cameras, and monocular depth refinement.

2023年9月22日 · R3D3是一种用于密集三维重建和自我运动估计的多摄像头算法，该方法通过迭代地结合多摄像头的几何估计和单目深度细化来实现一致的密集三维重建。 R3D3的核心思想是将单目线索与来自多摄像头的空间-时间信息的几何深度估计相结合，通过在共视图中迭代密集对应关系，计算准确的几何深度和位姿估计。 为了在多摄像头设置中确定共视帧，作者提出了一种简单而有效的多摄像头算法，用于平衡性能和效率。 深度细化网络以几何深度和对应的不确定性为输 …

清华AIR的助理教授赵昊老师团队提出3D Implicit Transporter，并入选ICCV 2023 Oral，只需两帧点云即可自监督提取时序上稳定的三维特征点集合，并能用于任意未知铰链物体的闭环操作，文章和代码均已经开源。 基于关键点的表示被证明在计算机视觉和机器人领域的各种应用中具有优势。 但现有的2D和3D关键点检测方法主要依靠几何一致性来实现空间对齐，而忽略了时间一致性。 为了解决这个问题，针对 2D 数据引入了“搬运器”（Transporter） 方法，该方法从源帧重建目标 …

本文提出了 R3D3，一种用于稠密 3D 重建和自我运动估计的多摄像头系统。 该方法在利用来自多个摄像机的时空信息的 几何估计 和单目深度细化之间进行迭代。 集成了多相机特征相关性和密集束调整算子，可产生稳健的几何深度和姿态估计。 为了改善 深度信息，防止不可靠的重建，例如移动物体或 低纹理区域，本文通过深度细化网络引入可学习的场景先验。 这种设计能够对具有挑战性的动态户外环境进行密集、一致的 3D 重建。 因此，本文在 DDAD 和 NuScenes 基准上 …

2024年8月24日 · R3D3，全称为“Dense 3D Reconstruction of Dynamic Scenes from Multiple Cameras”，是一项旨在解决动态场景下密集三维重建和自我运动估计的技术。 由Aron Schmied, Tobias Fischer, Martin Danelljan, Marc Pollefeys, 和 Fisher Yu等人共同研发，并在IEEE国际计算机视觉会议（ICCV 2023）上发表。