کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6876595 1442528 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Reconstructing non-rigid object with large movement using a single depth camera
ترجمه فارسی عنوان
بازسازی جسم غیر سفت با جنبش بزرگ با استفاده از یک دوربین عمق
کلمات کلیدی
بازسازی جسم غیر سفت و سخت، جنبش بزرگ، یک دوربین عمیق شناسایی قاب کاننیک،
ترجمه چکیده
در سال های اخیر شاهد موفقیت های بزرگی در صحنه های دنیای واقعی بوده است. با این حال، اکثر روش های موجود، فریم اول را به عنوان مدل کانونی و ساختار توپولوژیک صحنه های ورودی در طی روند بازسازی ثابت می شوند، که این فرض می تواند در عمل برای صحنه های بسیار غیر سفت و سخت باشد. با توجه به این موضوع، این کار پیشنهاد روش جدیدی را برای بازسازی جسم غیر سفت با جنبش بزرگ که اغلب منجر به تغییر ساختار توپولوژیکی می شود. در ابتدا، در ابتدا یک استراتژی انطباقی را معرفی می کنیم که می تواند به صورت مدل کانونی دقیق ترین توپولوژی صحنه را شناسایی کند. این مدل پس از آن به هر نقشه عمقی تغییر شکل داده می شود، که توسط اتصالات قوی بین فریم ساخته شده از کنتور شی و جریان صحنه محدود می شود. پس از تغییر شکل، ما نقشه بیشتر عمق را به مدل کانونی با استفاده از یک طرح انتخابی تطبیقی ​​جدید متصل می کنیم تا سر و صدای جعلی را بدون جزئیات جزئیات صاف کردن حذف کنیم. نتایج تجربی نشان می دهد که رویکرد پیشنهادی به طور موثر می تواند صحنه های مختلف ورودی را با حرکت بزرگ و تولید مدل های با جزئیات با وفاداری بالا.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر گرافیک کامپیوتری و طراحی به کمک کامپیوتر
چکیده انگلیسی
Non-rigid detailed 3D reconstruction of real world scenes has witnessed great success in recent years. However, most existing methods take the first frame as canonical model and the topological structure of the input scenes are fixed during the reconstruction process, which is an assumption that may not hold in practice for highly non-rigid scenes. Regarding this issue, this work proposes a novel approach to reconstruct non-rigid object with large movement which often results in topological structure change. In this paper, we firstly introduce an adaptive strategy that can effectively identify the most fine-grained scene topology as the canonical model. Such model is then deformed to each depth map, constrained by robust inter-frame correspondences established from object contour and scene flows. After deformation, we further fuse the depth map to the canonical model via a novel adaptive selection scheme, so as to remove spurious noise without smoothing model details. Experimental results show that the proposed approach can effectively handle various input scenes with large movement and generate models with high-fidelity details.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Aided Geometric Design - Volume 64, August 2018, Pages 15-26
نویسندگان
, , , , , ,