通过深度匹配和对称传播进行 RGBD 到 3D 对象网格细化

单视图 3D 重建器通常会生成与输入视图不一致的合理网格，尤其是在深度不连续和自遮挡附近。我们提出了一种轻量级、即插即用的 RGBD 到 3D 改进，无需重新训练即可改进任何 RGB 到 3D 重建器。给定深度图，我们通过与反向投影深度点的二分匹配来校正可见表面，将这些校正镜像到检测到的对称平面上的被遮挡侧，并使用平滑度解算器传播它们。每个阶段都是封闭式的，使得该方法比优化稠密型测试时间细化快几个数量级。在具有五个骨干网的 GSO 和 OmniObject3D 上，它产生一致的增益，还具有单目伪深度，从对称对象的对称性中受益更多，并且与之前在精度和运行时间方面的改进相比具有优势。它进一步改进了 RGB-D 到网格重建器，并转移到具有噪声传感器深度的真实捕获。