Advanced depth estimation and 3D geometry reconstruction using Bayesian Helmholtz stereopsis with belief propagation

赫姆霍兹立体视觉法是一种多功能的技术，可从具有未知和任意反射表面的物体的2D图像中进行3D几何重建。基于赫姆霍兹互易原理，HS消除了表面反射率的需要，这是一项具有挑战性的参数。其贝叶斯公式采用最大后验概率（MAP）方法，显著提高了HS方法的重建精度。该框架使得可以包括平滑先验，强制在公式中考虑观察和邻域信息。我们使用马尔可夫随机场（MRF）来整合不同的先验上下文信息，并使用置信传播算法解决MAP-MRF。我们提出了一种新的平滑函数，利用法线场积分方法进行精细深度估计，并将其应用于贝叶斯框架中。利用三对不同视点的图像，我们的方法在深度标签准确性方面表现优于传统的贝叶斯方法。实验结果表明，我们提出的方法产生了更好的深度图，降低了均方根误差，展示了其在改善赫姆霍兹立体视觉深度估计方面的功效。

本论文旨在解决使用Helmholtz立体视觉进行三维几何重建时面反射率不确定性的问题，并提出了一种基于贝叶斯框架的最大后验概率方法来提高重建精度。

论文的关键思路是利用Helmholtz相互作用原理来消除面反射率的影响，并采用最大后验概率方法结合Markov随机场和新的平滑函数来提高深度估计的精度。

论文采用了三对不同视角的图像来验证提出方法的有效性，并证明了其相对于传统贝叶斯方法的优越性，减小了深度图的均方根误差。值得关注的是，论文提出的平滑函数和深度估计方法可用于其他三维重建技术中。论文还提供了开源代码。

在相关研究中，最近的一些论文包括：“A Comparative Study of Stereo Reconstruction Methods for 3D Model Generation”和“Efficient ConvNet-based Stereo Matching with Adaptive WinSize and Semi-Global Matching”。