A Novel Method to Improve Quality Surface Coverage in Multi-View Capture

相机的景深是需要在短距离或使用大焦距拍摄的应用中的一个限制因素，比如全身摄影、考古和其他近距离摄影测量应用。此外，在目标物体大于相机视野的多视角捕捉中，如何高效地优化表面覆盖质量仍然是一个挑战。本文提出了一种新方法，通过给定目标物体的三维网格和相机姿态，为每个相机推导出一个对应的焦距，以优化所覆盖表面的质量。首先，我们设计了一个期望最小化算法，将网格上的点唯一地分配给相机，然后针对每个相机的相关点集求解焦距。接着，我们通过提出一个k视角算法来进一步提高表面覆盖质量，该算法通过同时考虑多个视角来解决点分配和焦距问题。我们在各种全身摄影模拟中展示了所提出方法的有效性。期望最小化算法和k视角算法将基线单视角方法的相对成本分别提高了至少24%和28%，相当于将聚焦表面积增加了大约1550平方厘米和1780平方厘米。我们相信这些算法在需要摄影测量细节但受到景深限制的多种视觉应用中都会有用。

解决问题的是相机深度场的限制，该限制会影响到一些需要在短距离或使用大焦距拍摄的应用程序，例如全身摄影、考古学和其他近距离摄影测量应用程序。此外，在多视角捕获中，目标大于相机视野时，如何优化表面覆盖质量仍然是一个挑战。

该论文提出了一种新方法，通过给定目标物体的3D网格和相机姿态，为每个相机导出一个对表面覆盖质量进行优化的焦距，从而解决了相机深度场的限制问题。该方法使用期望最大化算法和k-视图算法来优化表面覆盖质量。

该论文的亮点是提出了一种新的方法来解决相机深度场的限制问题，并在全身摄影的各种模拟中对该方法进行了验证。该论文的EM算法和k-视图算法相对于基线单视图方法的相对成本分别提高了至少24%和28%，对应着增加了约1550 cm²和1780 cm²的聚焦表面积。

在这个领域中，最近的相关研究包括基于深度学习的图像分割和多视角重建等。