マトリックス補完によるマルチビュー立体視のためのノイジー深度マップの融合

本論文では、同一オブジェクトのマルチビュー画像からのノイジーな点群を融合するための一般的なフレームワークを紹介します。私たちは、この古典的なビジョン問題を、マトリックス補完として知られる新たに出現した信号処理技術を用いて解決します。このフレームワークを用いて、すべてのカメラから観測された点群に基づいて初期の不完全なマトリックスを構築し、任意のカメラによって見えない点を未知のエントリとして示します。同じオブジェクト点に対応する観測点は同じ行に配置されます。適切に補完されると、回復されたマトリックスはランク1を持つはずです。なぜなら、すべての列が同じオブジェクトを記述するからです。したがって、マトリックスを完成させる直感的なアプローチは、観測エントリとの整合性を条件にそのランクを最小化することです。融合精度を向上させるために、外れ値を取り除くのに特に効果的な一般的なノイジーなマトリックス補完手法であるログ和ペナルティ補完（LPC）を提案します。主サブ行列化–最小化アルゴリズム（MM）に基づいて、非凸LPC問題は一連の凸最適化によって効果的に解決されます。点群の融合とMVS再構築に関する実験結果は、提案されたフレームワークとLPCアルゴリズムの有効性を検証します。