.png){kind=icon}
返回
Recent Developments in Image-Based 3D Reconstruction Using Deep Learning: Methodologies and Applications
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14153032.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于图像的三维（3D）重建因深度学习的最新发展而取得了显著进展，但方法学上的差异和多样的应用场景仍带来持续的挑战。本系统综述考察了2019年至2025年间用于基于图像的三维重建的最新深度学习技术。通过对同行评审研究的广泛分析，识别并评估了主要方法、性能指标、传感器类型和应用领域。结果表明，多视图立体视觉和单目深度估计是主流方法，而集成经典与深度学习技术的混合架构表现出增强的性能，尤其在复杂场景中。关键挑战依然存在，特别是在处理遮挡、低纹理区域和多变光照条件方面，凸显了开发鲁棒且适应性强的模型的重要性。主要结论强调了整合定量与定性评估的有效性、混合方法的优势，以及迫切需要为实际应用开发计算高效且泛化能力强的解决方案。
Keyword:
3D reconstruction
deep learning
multi-view stereo
monocular depth estimation
hybrid architectures
期刊
IF:
2.6
论文数:
9.9K
被引数:
4.7W
机构
暂无机构信息
引用论文
分享收藏Multi-View Reconstruction of Landscape Images Considering Image Registration and Feature Mapping周, L. 考虑图像配准和特征映射的景观图像多视角重建. 见：2025年多代理系统协同智能国际会议（ICMSCI）论文集, 印度埃鲁德, 2025年1月20-22日; 第1349-1354页. [Google Scholar] [CrossRef]
PREAI
分享收藏Gao, S.; Xu, Z. Efficient 3DGS object segmentation via COLMAP point cloud. In Proceedings of the Eighth International Conference on Computer Graphics and Virtuality (ICCGV 2025), Chengdu, China, 21–23 February 2025; Volume 13557, pp. 65–76. [Google Scholar] [CrossRef]高, S.; 徐, Z. 基于COLMAP点云的高效3DGS物体分割. 见：第八届计算机图形学与虚拟现实国际会议(ICCGV 2025)论文集, 中国成都, 2025年2月21–23日; 卷13557, 第65–76页. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
3D Image reconstruction using C-dual attention network from multi-view images基于多视图图像的C-双注意力网络3D图像重建
PREAI
分享收藏Real-Time Ocean Waves Three-Dimensional Reconstruction Research Based on Deep Learning黄, J.; 许, F.; 陈, T.; 曾, Y.; 明, J.; 牛, X. 基于深度学习的实时海洋波浪三维重建研究. 2023年第二届机器人、人工智能与智能控制国际会议(RAIIC)论文集, 中国绵阳, 2023年8月11–13日; 第334–339页. [Google Scholar] [CrossRef]
PREAI
分享收藏MFE‐MVSNet: Multi‐scale feature enhancement multi‐view stereo with bi‐directional connectionsLai, H.; Ye, C.; Li, Z.; Yan, P.; Zhou, Y. MFE-MVSNet: 基于双向连接的多尺度特征增强多视角立体视觉。IET Image Process. 2024, 18, 2962–2973. [Google Scholar] [CrossRef]
PREAI
分享收藏
查看更多内容