Semi-automatic 3D Reconstruction of Occluded and Unmarked Surfaces from Widely Separated Views
Notice bibliographique
Résumé
Three-dimensional modeling from images, when carried out entirely by a human, is time consuming and impractical for large-scale projects. On the other hand, full automation may still be unachievable for many applications. In addition, 3D modeling from images requires the extraction of features and needs them to appear in multiple images. However, in practical situations those features are not always available, sometimes not even in a single image, due to occlusions or lack of texture. Taking closely separated images or optimally designing view locations can preclude some occlusions. However, taking such images is often not practical and we are usually left with images that do not properly cover every detail. This paper argues that widely separated views and a semi-automated technique are the logical solutions to 3D construction of large and complex objects or environments. The proposed approach uses both interactive and automatic techniques, each where it is best suited, to accurately and completely model man-made structures and objects. It particularly focuses on automating the construction of unmarked surfaces such as columns, arches, steps and blocks from minimum seed points. It also extracts the occluded or invisible corners and lines from existing ones. Many examples, such as Arc de Triomphe in Paris and Florence's St. John baptistery, are completely modeled from a small number of images taken by tourists.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».