机构名称：
¥ 1.0
摘要 - 三维重建技术是计算机视觉中的基本问题。光度法立体声从不同的阴影提示中恢复了3D对象的表面正态，其能力占据了其生成正常状态的能力。近年来，由于其在非兰伯特表面上的强大拟合能力，基于深度学习的光度立体观点能够改善一般非兰伯特表面的表面正态估计。这些最先进的方法通常直接从高维特征中回归正常的表面，而无需探索嵌入式结构信息。这导致功能中可用信息的利用不足。因此，在本文中，我们为基于学习的光度立体声效率提出了一个基于效率的歧管框架，该框架可以更好地映射高维特征空间与低维歧管。广泛的实验表明，我们的方法通过低维歧管学习，实现了更准确的表面正态估计，在挑战勤奋的基准数据集方面表现优于其他最先进的方法。
通过基于歧管的映射学习光度法立体声...
主要关键词
相关文件推荐
![对映射光催化的bicyclo [2.1.1] ...](/simg/1/114c3dfb374a364aeefb9f89f6bb614bea9ad715.webp)
