【学习】CVPR 2017 Tutorial:如何从图像来构建3D模型

2017 年 8 月 8 日 机器学习研究会


点击上方 “机器学习研究会”可以订阅哦


摘要
 

转自:洪亮劼

虽然现在以深度学习为代表新技术已经席卷计算机视觉(Computer Vision)的很多问题,可能使得很多初学者认为计算机视觉就只是图像分类这样的任务。实际上,计算机视觉有很多更有意思也更有挑战的问题。比如在今年的CVPR 2017上,来自Stevens Institute of Technology、Microsoft HoloLens、URC Ventures以及ETH Zürich的学者就为大家带来一场精彩的讲解如何从图像来构建3D模型的讲座。整个讲座的很有内容,涵盖了包括大规模图像处理技术、图像的存取、图像的重建以及一些工程技巧。比较值得推荐的是,这个讲座中有不少部分,是从Pipeline这个角度来讲解,使得大家能够有一个全局的认识。尽管不是所有的研究者或者公司都有这样的应用,但是这套讲座不失为了解图像处理3D技术的一个入门教程。值得大家泛读。


Large-scale image-based 3D modeling has been a major goal of computer vision, enabling a wide range of applications including virtual reality, image-based localization, and autonomous navigation. One of the most diverse data sources for modeling is Internet photo collections. In the last decade, the computer vision community has made tremendous progress in large-scale structure-from-motion and multi-view stereo from Internet datasets. However, utilizing this wealth of information for 3D modeling remains a challenging problem due to the ever-increasing amount of image data. In a short period of time, research in large-scale modeling has progressed from modeling using several thousand images, to modeling from city-scale datasets of several million, and recently to reconstructing an Internet-scale dataset comprising 100 million images. This tutorial will present the main underlying technologies enabling these innovations.


链接:

https://demuc.de/tutorials/cvpr2017/


原文链接:

https://m.weibo.cn/5501429448/4137686992139540

“完整内容”请点击【阅读原文】
↓↓↓


登录查看更多
6

相关内容

CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写,即IEEE国际计算机视觉与模式识别会议。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
CVPR 2020 最佳论文与最佳学生论文!
专知会员服务
35+阅读 · 2020年6月17日
专知会员服务
109+阅读 · 2020年3月12日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
54+阅读 · 2019年11月20日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
图像分类论文与代码大列表
专知
6+阅读 · 2019年2月16日
手把手教你从零起步构建自己的图像搜索模型
AI研习社
5+阅读 · 2018年7月30日
已删除
将门创投
12+阅读 · 2018年6月25日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
3D Deep Learning on Medical Images: A Review
Arxiv
12+阅读 · 2020年4月1日
Image Segmentation Using Deep Learning: A Survey
Arxiv
45+阅读 · 2020年1月15日
Arxiv
12+阅读 · 2019年1月24日
Exploring Visual Relationship for Image Captioning
Arxiv
15+阅读 · 2018年9月19日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
11+阅读 · 2018年5月13日
VIP会员
相关资讯
图像分类论文与代码大列表
专知
6+阅读 · 2019年2月16日
手把手教你从零起步构建自己的图像搜索模型
AI研习社
5+阅读 · 2018年7月30日
已删除
将门创投
12+阅读 · 2018年6月25日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
相关论文
3D Deep Learning on Medical Images: A Review
Arxiv
12+阅读 · 2020年4月1日
Image Segmentation Using Deep Learning: A Survey
Arxiv
45+阅读 · 2020年1月15日
Arxiv
12+阅读 · 2019年1月24日
Exploring Visual Relationship for Image Captioning
Arxiv
15+阅读 · 2018年9月19日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
11+阅读 · 2018年5月13日
Top
微信扫码咨询专知VIP会员