使用视点熵的自动视图选择(译文).pdfVIP

使用视点熵的自动视图选择及其在基于图像建模上的应用 Automatic View Selection Using Viewpoint Entropy and its Application to Image-Based Modelling Pere-Pau Vázquez1 2 2 3 Miquel Feixas Mateu Sbert and Wolfgang Heidrich 1 Department of LSI, Polytechnical University of Catalonia, Barcelona, Spain 2 IIiA, University of Girona, Girona, Spain 3 Department of Computer Science, University of British Columbia, Vancouver, Canada 摘要：过去的十年间出现了新的方法族，也就是基于图像的渲染/绘制(Image-Based Rendering) 。这些 技术依赖于使用预先计算的图像，全部或部分代替场景的几何表示。这使得在适度的资源下， 能够获得逼真的渲染效果。主要的问题在于所需要的数据量，主要由于高冗余度和捕捉(capture) 中的高计算成本。在文本中，我们提出了新的方法，以自动确定相机正确的放置位置，为基于 图像的渲染得到一组最小的集合。输入是一个包括纹理的三维多面体模型，输入是一个包括纹 理的三维多面体(polyhedral)模型，输出是一组对所有的可见多边形，以合适的比率(rate)采样的 视图。视点应该以足够的质量覆盖所有可见多边形，因此我们以足够的比率采样多边形。这可 以避免一些其他方法存在的过度数据冗余问题。由于实际计算的参考视图(reference views)数降 低了，我们也降低了捕捉过程的代价。感兴趣视点的定位由一种基于信息论的度量方法来辅助， 名为视点熵(viewpoint entropy) 。该度量方法用于确定从一个视点看到的信息量。接下来，我们 开发了一个贪心算法，使得表示一个场景所需要的图像数最小。与其他方法相比，我们的系统 对纹理采用了特殊的预处理，以避免伪影(artifacts) 出现在被部分遮挡的纹理多边形(partially occluded textured polygons)上。因此，这些图像没有丢失可见的细节。 1. 引言 在文本中，我们提出了新的方法，以自动选择相机的位置，使得用于基于图像的展现的图片数 量最小。这样的算法应当满足两个条件：必须覆盖所有可见的多边形，以及采样率应足够高，以允 许进一步的重建。 图 1：一个气球的三幅图像：左侧的和中间的取自坏的视点，右侧的取自好的视点。 1 2 3 为了决定哪些图像是重要的，我们将使用一个基于信息论 , 的度量方法，称为视点熵 。 给定 一个三维几何形状，该方法可用于确定一个视点捕捉到的信息量，以此选择一个场景的最优视图（见 图 1）。视点熵将和贪婪算法一起使用，以选择一组捕捉了场景中最多信息的最小的视图集合。此外， 我们对纹理添加了一个预处理过程，当纹理多面体在所有可见视图均被部分覆盖时，避免产生视觉 伪影。 本文其余部分组织如下：第 2 节中我们展示了以前对于该问题的方法，第 3 节中回顾了视图熵 度量方法，第 4 节中我们展示了我们的方法并讨论了一些选择策略。第 5 节中我们将展示为了基于 图像的渲染，视点熵怎样应用于选择最小的参考视图集合。第 6 节中我们关注于合适采样纹理多边 形的具体问题。第 7 节中我们讨论了结果，最后，在第 8 节中，我们得出结论并指出未来研究的一 些方向。 2.相关工作 为基于图像的渲染/绘制选择一组最优图像集合的问题还未吸引大量研究。大多数技术使用一组 固定的相机位置来捕捉场景的图像（一个值得注意的例外是4 ）。然后，这些图像用于进一步的渲染。 于是在许多情况下，冗余数据量很大，并且捕捉过程代