关于机器学习:机器视觉三维重建

举荐：将 NSDT 场景编辑器退出你的 3D 开发工具链。

Meshroom 是一款基于 AliceVision 摄影测量计算机视觉框架的收费开源三维重建软件。

https://github.com/alicevision/meshroom

Openmvg 库依据三维计算机视觉和构造的静止。OpenMVG 提供了一个端到端的 3D 重建，它由图像框架组成，蕴含库、二进制文件和管道。

这些库提供了简略的性能，如: 图像处理，性能形容和匹配，性能跟踪，相机模型，多视图几何，旋转预计…
该二进制文件解决了管道可能须要的单元工作: 场景初始化、特色检测与匹配和静止重建的构造，并将重建的场景导出到其余多视点平面视觉框架中，以计算密集的点云或纹理网格。
这些管道通过链接各种二进制文件来计算图像匹配关系

OpenMVG 是用 c ++ 开发的，能够在 Android、iOS、Linux、macOS 和 Windows 上运行。https://github.com/openMVG/openMVG。

与图像 3D 重建相干的论文和资源精选清单 https://github.com/openMVG/awesome_3DReconstruction_list

对于点云剖析 (解决) 的论文和数据集列表 https://github.com/Yochengliu/awesome-point-cloud-analysis

OpenSfM 是一个用 Python 编写的静止库的构造。该库作为一个解决管道，用于从多个图像重建相机姿势和 3D 场景。它由静止构造的根本模块 (特色检测 / 匹配，最小解算) 组成，重点是构建一个强壮的、可伸缩的重建管道。它还集成了内部传感器 (如 GPS、减速计) 测量，以实现天文定位和鲁棒性。提供了一个 JavaScript 查看器来预览模型和调试管道。

https://github.com/mapillary/OpenSfM

AliceVision 是摄影测量计算机视觉框架，可提供 3D 重建和相机跟踪算法。AliceVision 旨在通过可测试，剖析和重用的最新计算机视觉算法提供弱小的软件根底。该我的项目是学术界和工业界单干的后果，旨在为尖端算法提供鲁棒性和生产应用所需的品质。https://github.com/alicevision/AliceVision

OpenMVS 是面向计算机视觉的库，尤其是针对多视图平面重建社区的。只管有针对静止构造管道（例如 OpenMVG）的成熟而残缺的开源我的项目，这些管道能够从输出的图像集中复原相机的姿态和稠密的 3D 点云，但没有一个解决摄影测量链的最初一部分 - 流。OpenMVS 旨在通过提供一套残缺的算法来复原要重建场景的整个外表来填补这一空白。输出是一组摄影机姿态加上稠密的点云，输入是带纹理的网格。该我的项目波及的次要主题是：密集的点云重构，以取得尽可能残缺，精确的点云网格重建，用于预计最能解释输出点云的网格外表网格细化可复原所有精密细节网格纹理，用于计算清晰精确的纹理以对网格着色 https://github.com/cdcseacave/openMVS

https://github.com/snavely/bundler_sfm

应用在线外表从新整合进行实时全局统一的三维重建 https://github.com/niessner/BundleFusion

面部替换：https://github.com/YuvalNirkin/face_swap

ScanNet 是一个 RGB- D 视频数据集，蕴含超过 1500 次扫描中的 250 万次视图，应用 3D 摄像机姿势、外表重建和实例级语义分段进行正文。https://github.com/ScanNet/ScanNet

SoftRas 是一个真正的可微分渲染框架，把渲染作为一个可微分的聚合过程，交融所有网格三角形的概率奉献绝对于渲染像素。https://github.com/ShichenLiu/SoftRas

https://github.com/shunsukesaito/PIFu

用于 RGB- D 机器学习工作的十分棒的数据集。https://github.com/niessner/Matterport

Kimera 是一个用于实时度量 - 语义同步定位和映射的 c ++ 库，它应用摄像机图像和惯性数据来构建环境的语义正文 3D 网格。Kimera 是模块化的，反对 ros，在 CPU 上运行。https://github.com/MIT-SPARK/Kimera

我的项目能够依据图像对 3D 重建进行纹理解决。该我的项目专一于应用静止和多视图立体技术的构造生成的 3D 重建。https://github.com/nmoehrle/mvs-texturing

LiveScan3D 是一个实时三维重建零碎，应用多个 Kinect v2 深度传感器同时进行三维重建。产生的 3D 重建模式是有色点云的模式，所有 Kinect 的点都搁置在同一坐标系中。该零碎的可能应用场景包含：同时从多个视点捕捉对象的 3D 构造，捕捉场景的“全景”3D 构造（通过应用多个传感器来扩大一个传感器的视场），将重建的点云流式传输到近程地位，通过让多个传感器捕捉同一场景来进步单个传感器捕捉的点云的密度。https://github.com/MarekKowalski/LiveScan3D

大规模、实时三维重建：https://github.com/niessner/VoxelHashing

从单个 RGB 图像重建三维房间布局

https://github.com/zouchuhang/LayoutNet

这是一个轻量级的 python 脚本，可将多个色彩和深度图像交融到 TSDF 体积中，而后能够将其用于创立高质量的 3D 外表网格和点云。在 Ubuntu 16.04 上测试成果如下图：

https://github.com/andyzeng/tsdf-fusion-python

通过外观和几何优化以及空间变动的照明实现高质量 3D 重构

https://github.com/NVlabs/intrinsic3d

从 2D 数据进行实时 3D 语义重构

https://github.com/MIT-SPARK/Kimera-Semantics

3D 重建的论文和资源清单：https://github.com/holistic-3d/awesome-holistic-3d

应用 Python3 进行 SFM 的 3D 重建 https://github.com/alyssaq/3Dreconstruction

用于结构化 3D 建模的大型照片级数据集

https://github.com/bertjiazheng/Structured3D

通过对多视图深度图或轮廓建模来生成和重建 3D 形态

https://github.com/Amir-Arsalan/Synthesize3DviaDepthOrSil

https://github.com/Colin97/MSN-Point-Cloud-Completion

用于训练体积深层神经网络以实现局部扫描的 3D 形态的代码

https://github.com/angeladai/cnncomplete

用于进行三维重建的一组图像

https://github.com/rperrot/ReconstructionDataSet

从单个深度视图进行密集的 3D 对象重建
https://github.com/Yang7879/3D-RecGAN-extended

关于机器学习:机器视觉三维重建

1、Meshroom ⭐4,474

2、Openmvg ⭐2,829

3、Awesome_3dreconstruction_list ⭐2,261

4、Awesome Point Cloud Analysis ⭐1,801

5、Opensfm ⭐1,635

6、Alicevision ⭐1,318

7、Openmvs ⭐1,193

8、Bundler_sfm ⭐1,158

9、Bundlefusion ⭐752

10、Face_swap ⭐636

11、Scannet ⭐678

12、Softras⭐540

13、Pifu ⭐474

14、Matterport ⭐460

15、Kimera⭐456

16、Mvs Texturing ⭐421

17、Livescan3d ⭐402

18、Voxelhashing ⭐364

19、Layoutnet ⭐298

20、Tsdf Fusion Python ⭐295

21、Intrinsic3d ⭐231

22、Kimera Semantics ⭐228

23、Awesome Holistic 3d ⭐209

24、3dreconstruction ⭐151

25、Structured3d ⭐121

26、Synthesize3dviadepthorsil ⭐117

27、Msn Point Cloud Completion ⭐111

28、Cnncomplete ⭐107

29、Reconstructiondataset ⭐95

30、3d Recgan Extended ⭐81