Název:	Depth Completion for Close-Range Specular Objects
Autoři:	Pourmand, S. Merillou, N. Merillou, S.
Citace zdrojového dokumentu:	WSCG 2022: full papers proceedings: 30. International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision, p. 135-141.
Datum vydání:	2022
Nakladatel:	Václav Skala - UNION Agency
Typ dokumentu:	conferenceObject
URI:	http://hdl.handle.net/11025/49587
ISBN:	978-80-86943-33-6
ISSN:	2464-4617
Klíčová slova:	dokončení hloubky;RGB-D obrázky;syntetický datový soubor;zrcadlové odrazy
Klíčová slova v dalším jazyce:	depth completion;RGB-D images;synthetic dataset;specular reflections
Abstrakt v dalším jazyce:	Many objects in the real world exhibit specular reflections. Due to the limitations of the basic RGB-D cameras, it is particularly challenging to accurately capture their 3D shapes. In this work, we present an approach to correct the depth of close-range specular objects using convolutional neural networks. We first generate a synthetic dataset containing such close-range objects. We then train a deep convolutional network to estimate normal and boundary maps from a single image.With these results, we propose an algorithm to detect the incorrect area of the raw depth map. After removing the erroneous zone, we complete the depth channel.
Práva:	© Václav Skala - UNION Agency
Vyskytuje se v kolekcích:	WSCG 2022: Full Papers Proceedings

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.