https://openreview.net/group?id=ICLR.cc/2019/Conference
BA-NET: DENSE BUNDLE ADJUSTMENT NETWORKS
本文介紹一個網絡結構,來解決 structure-from-motion(SfM)問題,通過 特徵矩陣 bundle adjustment (BA),
這個網絡結構能夠明顯的通過 特徵矩陣誤差 的形式 強化 多視角幾何約束,
整個流程是可導的,所以網絡能夠學習合適的特徵 來使BA問題更可追溯,
更多的,這個工作介紹一個新穎的depth parameterization to recover dense per-pixel depth,
網絡首先 根據輸入的圖片 生成幾個 basis depth maps 然後 通過特徵矩陣BA 來 優化最終的 深度 作爲一個 basis depth maps 的線性組合,
basis depth maps 生成器也是可以端到端訓練的,整個系統很好的結合了 領域知識(即 硬編碼的 多視角 幾何約束)以及深度學習(即特徵提取和 basis depth maps 學習)來解決dense SfM問題,
在大規模的數據集上的實驗證明方法的有效。
Structure-from-Motion(SfM)問題的研究,過去所有的方法嘗試 通過 Bundle-Adjustment(BA)算法 聯合優化 場景結構 和 相機運動,最近的深度學習網絡 沒有強化 3D結構 和 相機運動 的幾何約束,如DeMoN,景深 和 相機運動 是通過兩個獨立的子網絡優化的。