Organic Priors in Non-Rigid Structure from Motion

要約

この論文は、運動からの古典的な非剛体構造（NRSfM）における有機事前分布の使用を提唱しています。
有機事前確率とは、NRSfM行列因数分解理論に固有の貴重な中間事前情報を意味します。
そのような事前分布は因数分解された行列に存在することが示され、非常に驚​​くべきことに、既存の方法は一般にそれらを無視します。
この論文の主な貢献は、NRSfMを解決するためにそのような有機的な事前情報を効果的に活用できる、単純で系統的で実用的な方法を提案することです。
提案された方法は、低ランク形状で一般的なもの以外の仮定を行わず、正投影下でのNRSfMに対する信頼できるソリューションを提供します。
私たちの仕事は、有機的な事前情報のアクセス可能性がカメラの動きや形状の変形の種類とは無関係であることを明らかにしています。
それに加えて、この論文は、形状、動きの両方の観点から、NRSfM因数分解への洞察を提供し、NRSfMの単一回転平均化の利点を示す最初のアプローチです。
さらに、提案された有機的な事前ベースのアプローチを使用して、モーションと非剛体の3D形状を効果的に回復する方法の概要を説明し、事前無料のNRSfMパフォーマンスを大幅に上回る結果を示します。
最後に、いくつかのベンチマークデータセットでの広範な実験と評価を通じて、この方法の利点を示します。

要約(オリジナル)

This paper advocates the use of organic priors in classical non-rigid structure from motion (NRSfM). By organic priors, we mean invaluable intermediate prior information intrinsic to the NRSfM matrix factorization theory. It is shown that such priors reside in the factorized matrices, and quite surprisingly, existing methods generally disregard them. The paper’s main contribution is to put forward a simple, methodical, and practical method that can effectively exploit such organic priors to solve NRSfM. The proposed method does not make assumptions other than the popular one on the low-rank shape and offers a reliable solution to NRSfM under orthographic projection. Our work reveals that the accessibility of organic priors is independent of the camera motion and shape deformation type. Besides that, the paper provides insights into the NRSfM factorization — both in terms of shape, motion — and is the first approach to show the benefit of single rotation averaging for NRSfM. Furthermore, we outline how to effectively recover motion and non-rigid 3D shape using the proposed organic prior based approach and demonstrate results that outperform prior-free NRSfM performance by a significant margin. Finally, we present the benefits of our method via extensive experiments and evaluations on several benchmark dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google