文件名称：DeepSFM:这是ECCV2020论文“ DeepSFM”的PyTorch实现
文件大小：998KB
文件格式：ZIP
更新时间：2024-04-10 05:39:29
Python
深度SFM 这是ECCV2020（口服）论文“ DeepSFM：通过深度包调整进行运动的结构”的PyTorch实施。 在这项工作中，我们设计了一种物理驱动的体系结构，即DeepSFM，该体系结构受传统的Bundle Adjustment（BA）的启发，该体系结构由两种基于成本量的体系结构分别用于深度和姿势估计，并不断地进行改进以改善这两种体系。深度（结构）和姿势（运动）的显式约束条件，与学习组件结合在一起时，可带来传统BA和新兴的深度学习技术的优点。我们的框架从不同的角度接收场景的帧，并为所有帧生成深度图和相机姿势。 请检查和以获取更多详细信息。 如有任何疑问，请联系Xingkui Wei 。 引文 如果出于任何目的使用此代码，请考虑引用： @inProceedings{wei2020deepsfm, title={DeepSFM: Structure From Motion Vi
【文件预览】：
DeepSFM-master
----models()
--------PSNet.py(7KB)
--------submodule.py(8KB)
--------__init__.py(54B)
--------PoseNet.py(14KB)
----utils.py(3KB)
----logger.py(3KB)
----test.py(7KB)
----train.py(14KB)
----pose_sequence_folders.py(8KB)
----custom_transforms.py(3KB)
----pose_train.py(11KB)
----sequence_folders.py(7KB)
----LICENSE(1KB)
----dataset()
--------train()
--------test()
--------preparation()
----loss_functions.py(2KB)
----convert.py(4KB)
----demon_metrics.py(14KB)
----pose_test.py(8KB)
----README.md(8KB)
----inverse_warp.py(13KB)