This paper addresses the problem of reconstructing the surface shape of transparent objects. The difficulty of this problem originates from the viewpoint dependent appearance of a transparent object, which quickly makes reconstruction methods tailored for diffuse surfaces fail disgracefully. In this paper, we introduce a fixed viewpoint approach to dense surface reconstruction of transparent objects based on refraction of light. We present a simple setup that allows us to alter the incident light paths before light rays enter the object by immersing the object partially in a liquid, and develop a method for recovering the object surface through reconstructing and triangulating such incident light paths. Our proposed approach does not need to model the complex interactions of light as it travels through the object, neither does it assume any parametric form for the object shape nor the exact number of refractions and reflections taken place along the light paths. It can therefore handle transparent objects with a relatively complex shape and structure, with unknown and inhomogeneous refractive index. We also show that for thin transparent objects, our proposed acquisition setup can be further simplified by adopting a single refraction approximation. Experimental results on both synthetic and real data demonstrate the feasibility and accuracy of our proposed approach.


翻译:本文针对的是重建透明天体表面形状的问题。 这个问题的难度来自透明天体的外观, 其视角取决于透明天体的外观, 它迅速使为扩散天体而设计的重建方法失真。 在本文中, 我们引入了一种基于光折射的透明天体密集表面重建的固定视角方法。 我们提出了一个简单的设置, 允许我们在光线进入天体之前改变事件光线路径, 将天体部分浸入液态中, 并开发一种方法, 通过重建和三角地貌来恢复天体表面。 我们提议的方法不需要在光体穿透天体时对光体的复杂相互作用进行模型, 也不需要假定物体形状的任何参数形式, 以及光线道上发生的折射和反射的精确数量。 因此, 它可以处理具有相对复杂形状和结构的透明天体, 其形状和结构为未知和不相光质的反光谱指数。 我们还表明, 对于薄透明天体, 我们提议的获取方法可以通过单一的反射近点来进一步简化。 在合成和真实数据上, 实验结果显示了我们拟议方法的可行性和准确性。

0
下载
关闭预览

相关内容

Surface 是微软公司( Microsoft)旗下一系列使用 Windows 10(早期为 Windows 8.X)操作系统的电脑产品,目前有 Surface、Surface Pro 和 Surface Book 三个系列。 2012 年 6 月 18 日,初代 Surface Pro/RT 由时任微软 CEO 史蒂夫·鲍尔默发布于在洛杉矶举行的记者会,2012 年 10 月 26 日上市销售。
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
39+阅读 · 2020年9月6日
专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
已删除
将门创投
4+阅读 · 2019年9月10日
Hierarchically Structured Meta-learning
CreateAMind
25+阅读 · 2019年5月22日
Arxiv
0+阅读 · 2021年7月13日
Learning to See Through Obstructions
Arxiv
7+阅读 · 2020年4月2日
Precise Detection in Densely Packed Scenes
Arxiv
3+阅读 · 2019年4月8日
VIP会员
相关VIP内容
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
39+阅读 · 2020年9月6日
专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
已删除
将门创投
4+阅读 · 2019年9月10日
Hierarchically Structured Meta-learning
CreateAMind
25+阅读 · 2019年5月22日
Top
微信扫码咨询专知VIP会员