计算机视觉 3D 重建榜单 Tanks and Temples : Altizure 稳居第一

从 ImageNet 开始，国际上有许多关于识别和检测的榜单， 在计算机视觉三维重建领域，目前最被大家接受的榜单是 Tanks and Temples（https://www.tanksandtemples.org/leaderboard/）。

Tanks and Temples 榜单于2017年发布，是一个综合评测相机姿态恢复（SfM）与点云重建（MVS）的三维重建榜单。榜单的测试数据均为通过高速摄像机采集的真实环境中的场景图像，其测试场景涵盖了小范围的近景物体以及大范围的室外场景。

Tanks and Temples 榜单本身不提供相机的标定参数，需要参与评测的算法自行恢复相机姿态并进行点云重建。重建得到的三维点云将通过与激光雷达扫描得到的 Ground Truth 点云进行比较，并综合考虑重建点云的精确度（accuracy）和完整度（completeness）进行排名。

该榜单作为一个全面的基准评测，评估了众多学术界知名的开源算法以及商业三维重建软件。Altizure 与香港科技大学计算机视觉实验室联合开发的重建算法 Altizure-HKUST 与 MVSNet 脱颖而出，在此榜单上稳居榜首，排名第一与第三。

Altizure 多篇论文被 ECCV 2018 接收

近年来深度学习极大地提高了计算机视觉中图像识别、分割等任务的准确度，也极大地推进了视觉三维重建的效率、精度和鲁棒性。Altizure 与香港科技大学计算机视觉实验室最近提出了一套针对三维重建的深度学习新框架以及一系列卷积神经网络，在图像检索、匹配、识别、重建等方面都处于世界领先。

目前，Altizure 多篇论文已被9月份在德国慕尼黑召开的欧洲计算机视觉大会（ECCV 2018）接收。

其中，受到大会口头报告（Oral Presentation）邀约的 MVSNet 提出将相机几何内嵌于神经网络中，通过可微的单应映射变换连接二维深度图像特征与三维空间特征，显著地提升了三维重建的完整度。

MVSNet

论文 GeoDesc 基于 Altizure 的海量三维数据，利用深度学习的方法优化得到表述能力更强的图像局部特征描述子，从而提高了图像匹配的准确度和最终重建质量。

GeoDesc

另一篇论文 MVDesc+RMBP 则提出了一个基于多视角的深度三维特征点描述子，极大增强了三维特征点的描述能力，并探索了一种新的过滤异常匹配的算法，用于加强点云匹配的鲁棒性和精度。

MVDesc+RMBP

关于 ECCV 2018 的更多资讯，请登录：https://eccv2018.org/。

< END >

如果喜欢这篇文章，欢迎转发

－深圳珠科创新技术有限公司－

Everest Innovation Technology Limited

[email protected]（技术支持）

[email protected]（商务联络）

[email protected]（简历投递）

深圳 | 香港 | 北京

随时了解 Altizure 的最新动态！

欢迎关注我们