НОВОСТЬ · RESEARCH · #233
MELON: восстановление 3D-объектов из непозиционированных изображений с лёгкой CNN и modulo-ошибкой
Google Research представил MELON (Modulo Equivalent Latent Optimization of NeRF), показанный на 3DV 2024, — метод, который одновременно восстанавливает NeRF и выводит объектно-центричные положения камер «с нуля» по 4–6 непозиционированным изображениям. MELON использует небольшую CNN (инициализируемую шумом, без предобучения) для регрессии поз и modulo-ошибку для учёта псевдосимметрий объекта, интегрируя это в стандартную тренировку NeRF и добиваясь передовой точности без начальных оценок поз или сложных GAN/предобучающих схем.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Google Research представил MELON (Modulo Equivalent Latent Optimization of NeRF), показанный на 3DV 2024, — метод, который одновременно восстанавливает NeRF и выводит объектно-центричные положения камер «с нуля» по 4–6 непозиционированным изображениям.
- MELON использует небольшую CNN (инициализируемую шумом, без предобучения) для регрессии поз и modulo-ошибку для учёта псевдосимметрий объекта, интегрируя это в стандартную тренировку NeRF и добиваясь передовой точности без начальных оценок поз или сложных GAN/предобучающих схем.
- Это важно, потому что MELON снижает требования к данным и разметке для 3D-восстановления по редким непозиционированным видам, упрощая конвейеры для применения в e‑commerce и робототехнике.
ПОЧЕМУ ЭТО ВАЖНО
Это важно, потому что MELON снижает требования к данным и разметке для 3D-восстановления по редким непозиционированным видам, упрощая конвейеры для применения в e‑commerce и робототехнике.