Multi-view stereo by temporal nonparametric fusion

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

56 Sitaatiot (Scopus)

Abstrakti

We propose a novel idea for depth estimation from multi-view image-pose pairs, where the model has capability to leverage information from previous latent-space encodings of the scene. This model uses pairs of images and poses, which are passed through an encoder-decoder model for disparity estimation. The novelty lies in soft-constraining the bottleneck layer by a nonparametric Gaussian process prior. We propose a pose-kernel structure that encourages similar poses to have resembling latent spaces. The flexibility of the Gaussian process (GP) prior provides adapting memory for fusing information from nearby views. We train the encoder-decoder and the GP hyperparameters jointly end-to-end. In addition to a batch method, we derive a lightweight estimation scheme that circumvents standard pitfalls in scaling Gaussian process inference, and demonstrate how our scheme can run in real-time on smart devices.

AlkuperäiskieliEnglanti
Otsikko2019 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV 2019)
KustantajaIEEE
Sivut2651–2660
Sivumäärä10
ISBN (elektroninen)9781728148038
DOI - pysyväislinkit
TilaJulkaistu - 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaIEEE International Conference on Computer Vision - Seoul, Etelä-Korea
Kesto: 27 lokak. 20192 marrask. 2019
http://iccv2019.thecvf.com/

Julkaisusarja

NimiProceedings of the IEEE International Conference on Computer Vision
Vuosikerta2019-October
ISSN (elektroninen)1550-5499

Conference

ConferenceIEEE International Conference on Computer Vision
LyhennettäICCV
Maa/AlueEtelä-Korea
KaupunkiSeoul
Ajanjakso27/10/201902/11/2019
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'Multi-view stereo by temporal nonparametric fusion'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä