Präzise Schätzung von Tiefe und Oberflächennormalen aus monokularen Bildern durch adaptive geometrische Kontextmodellierung
Unser Ansatz extrahiert einen geometrischen Kontext, der die geometrischen Variationen im Eingangsbild erfasst und die Tiefenschätzung mit geometrischen Randbedingungen korreliert. Durch dynamische Bestimmung zuverlässiger lokaler Geometrie aus zufällig ausgewählten Kandidaten etablieren wir eine Oberflächennormalen-Randbedingung, bei der die Gültigkeit dieser Kandidaten unter Verwendung des geometrischen Kontexts bewertet wird. Darüber hinaus nutzt unsere Normalenschätzung den geometrischen Kontext, um Regionen mit signifikanten geometrischen Variationen zu priorisieren, was dazu führt, dass die vorhergesagten Normalen detaillierte geometrische Informationen genau erfassen.