Unstructured Multi-view Depth Estimation Using Mask-Based Multiplane Representation

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussavertaisarvioitu

Tutkijat

Organisaatiot

Kuvaus

This paper presents a novel method, MaskMVS, to solve depth estimation for unstructured multi-view image-pose pairs. In the plane-sweep procedure, the depth planes are sampled by histogram matching that ensures covering the depth range of interest. Unlike other plane-sweep methods, we do not rely on a cost metric to explicitly build the cost volume, but instead infer a multiplane mask representation which regularizes the learning. Compared to many previous approaches, we show that our method is lightweight and generalizes well without requiring excessive training. We outperform the current state-of-the-art and show results on the sun3d, scenes11, MVS, and RGBD test data sets.

Yksityiskohdat

AlkuperäiskieliEnglanti
OtsikkoImage Analysis - 21st Scandinavian Conference, SCIA 2019, Proceedings
ToimittajatMichael Felsberg, Per-Erik Forssén, Jonas Unger, Ida-Maria Sintorn
TilaJulkaistu - 1 tammikuuta 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaScandinavian Conference on Image Analysis - Norrköping, Ruotsi
Kesto: 11 kesäkuuta 201913 kesäkuuta 2019
Konferenssinumero: 21

Julkaisusarja

NimiLecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)
Vuosikerta11482 LNCS
ISSN (painettu)0302-9743
ISSN (elektroninen)1611-3349

Conference

ConferenceScandinavian Conference on Image Analysis
LyhennettäSCIA
MaaRuotsi
KaupunkiNorrköping
Ajanjakso11/06/201913/06/2019

ID: 35174948