This article describes a technique

This article describes a technique that can reliably align arbitrary 2D depictions
of an architectural site, including drawings, paintings, and historical
photographs, with a 3D model of the site. This is a tremendously difficult
task, as the appearance and scene structure in the 2D depictions can be very
different from the appearance and geometry of the 3D model, for example,
due to the specific rendering style, drawing error, age, lighting, or change of
seasons. In addition, we face a hard search problem: the number of possible
alignments of the painting to a large 3D model, such as a partial reconstruction
of a city, is huge. To address these issues,we develop a newcompact representation
of complex 3D scenes. The 3D model of the scene is represented
by a small set of discriminative visual elements that are automatically learned
from rendered views. Similar to object detection, the set of visual elements,
as well as the weights of individual features for each element, are learned
in a discriminative fashion. We show that the learned visual elements are
reliably matched in 2D depictions of the scene despite large variations in rendering
style (e.g., watercolor, sketch, historical photograph) and structural
changes (e.g., missing scene parts, large occluders) of the scene.We demonstrate
an application of the proposed approach to automatic rephotography
to find an approximate viewpoint of historical paintings and photographs
with respect to a 3D model of the site. The proposed alignment procedure
is validated via a human user study on a new database of paintings and
sketches spanning several sites. The results demonstrate that our algorithm
produces significantly better alignments than several baseline methods

ผลลัพธ์ (ไทย) 1:

บทความนี้อธิบายเทคนิคหนึ่งที่สามารถจัดแสดง 2D อำเภอใจได้ของเว็บไซต์สถาปัตยกรรม รวมทั้งภาพวาด ภาพวาด และประวัติศาสตร์รูปถ่าย มีแบบจำลอง 3D ของไซต์ เป็นการยากอย่างงาน เป็นโครงสร้างลักษณะและฉากในการแสดง 2D ได้อย่างมากแตกต่างจากลักษณะปรากฏและรูปทรงเรขาคณิตในแบบ 3D ตัวอย่างเนื่องจากลักษณะการแสดง วาดพลาด อายุ แสงสว่าง หรือเปลี่ยนฤดูกาล นอกจากนี้ เราเผชิญปัญหาค้นหายาก: ของสุดจัดแนวจิตรกรรมกับรุ่น 3D ขนาดใหญ่ เช่นฟื้นฟูบางส่วนเมือง เป็นอย่างมาก เพื่อแก้ไขปัญหาเหล่านี้ เราได้พัฒนาตัวแทน newcompactของฉาก 3D ที่ซับซ้อน แสดงแบบ 3D ของฉากโดยชุดเล็กขององค์ประกอบภาพที่ discriminative ที่อยู่โดยอัตโนมัติได้เรียนรู้จากแสดงมุมมอง คล้ายกับการตรวจจับวัตถุ ชุดขององค์ประกอบภาพและน้ำหนักของคุณลักษณะแต่ละตัวสำหรับแต่ละองค์ประกอบ ได้เรียนรู้ในแฟชั่น discriminative แสดงองค์ประกอบการแสดงผลการเรียนรู้ได้จับคู่ในการแสดงฉากแม้มีการเปลี่ยนแปลงขนาดใหญ่ในภาพ 2Dโครงสร้างและลักษณะ (เช่น สีน้ำ ภาพร่าง ภาพประวัติศาสตร์)การเปลี่ยนแปลง (เช่น ส่วนฉากที่หายไป occluders ขนาดใหญ่) ของฉาก เราแสดงให้เห็นถึงโปรแกรมประยุกต์ของวิธีการนำเสนออัตโนมัติ rephotographyหาจุดประมาณภาพวาดประวัติศาสตร์และภาพถ่ายเกี่ยวกับแบบจำลอง 3D ของไซต์ ขั้นตอนการเสนอตำแหน่งตรวจสอบทางการศึกษาผู้ใช้บุคคลบนฐานข้อมูลใหม่ของภาพวาด และรัฐอเมริกาหลายร่าง แสดงผลลัพธ์ที่อัลกอริทึมของเราสร้างจัดแนวมากขึ้นกว่าวิธีพื้นฐานหลาย

ผลลัพธ์ (ไทย) 2:

บทความนี้จะอธิบายถึงเทคนิคที่น่าเชื่อถือสามารถจัดสอดแทรก 2D โดยพลการ
ของเว็บไซต์สถาปัตยกรรมรวมทั้งภาพวาดภาพเขียนและประวัติศาสตร์
การถ่ายภาพที่มีรูปแบบ 3 มิติของเว็บไซต์ นี้เป็นเรื่องยากมาก
งานเป็นลักษณะและโครงสร้างที่เกิดเหตุในที่เด่นชัด 2D ได้อย่าง
แตกต่างจากลักษณะและรูปทรงเรขาคณิตของรูปแบบ 3 มิติเช่น
เนื่องจากรูปแบบการแสดงผลเฉพาะภาพวาดข้อผิดพลาดอายุแสงหรือการเปลี่ยนแปลง ของ
ฤดูกาล นอกจากนี้เราต้องเผชิญกับปัญหาการค้นหาที่ยากจำนวนที่เป็นไปได้
การจัดแนวของภาพวาดกับรูปแบบ 3 มิติที่มีขนาดใหญ่เช่นฟื้นฟูบางส่วน
ของเมืองที่มีขนาดใหญ่มาก เพื่อแก้ไขปัญหาเหล่านี้เราพัฒนาตัวแทน newcompact
ของฉาก 3 มิติที่ซับซ้อน แบบจำลอง 3 มิติของฉากจะถูกแสดง
โดยชุดเล็ก ๆ ขององค์ประกอบภาพจำแนกที่มีการเรียนรู้โดยอัตโนมัติ
จากมุมมองการแสดงผล ที่คล้ายกันในการคัดค้านการตรวจสอบชุดขององค์ประกอบภาพ,
เช่นเดียวกับน้ำหนักของคุณสมบัติของแต่ละบุคคลสำหรับแต่ละองค์ประกอบจะเรียนรู้
ในแฟชั่นจำแนก เราแสดงให้เห็นว่าได้เรียนรู้องค์ประกอบภาพจะ
จับคู่ได้อย่างน่าเชื่อถือในวิถี 2D ของฉากแม้จะมีรูปแบบการแสดงผลขนาดใหญ่ใน
รูปแบบ (เช่นสีน้ำ, ภาพร่างภาพประวัติศาสตร์) และโครงสร้าง
การเปลี่ยนแปลง (เช่นชิ้นส่วนที่ขาดหายไปฉาก occluders ขนาดใหญ่) ของ scene.We แสดงให้เห็นถึง
การประยุกต์ใช้วิธีการที่นำเสนอเพื่อ rephotography อัตโนมัติ
ที่จะหามุมมองโดยประมาณของภาพวาดประวัติศาสตร์และภาพถ่าย
ที่เกี่ยวกับรูปแบบ 3 มิติของเว็บไซต์ ขั้นตอนการจัดตำแหน่งที่นำเสนอ
มีการตรวจสอบผ่านการศึกษาผู้ใช้มนุษย์บนฐานข้อมูลใหม่ของภาพวาดและ
สเก็ตช์ที่ทอดหลายเว็บไซต์ ผลแสดงให้เห็นว่าอัลกอริทึมของเรา
ผลิตการจัดแนวอย่างมีนัยสำคัญที่ดีกว่าวิธีการพื้นฐานหลาย

ผลลัพธ์ (ไทย) 3:

บทความนี้อธิบายเทคนิคที่สามารถเชื่อถือได้จัดพล 2D สอดแทรก
ของเว็บไซต์สถาปัตยกรรม ได้แก่ ภาพวาด ภาพเขียน และ ภาพถ่ายทางประวัติศาสตร์
กับแบบจำลอง 3 มิติของเว็บไซต์ นี่คืองานเป็นอย่างมากยาก
เป็นลักษณะ และโครงสร้างในการสอดแทรกฉาก 2D สามารถมาก
แตกต่างจากลักษณะและรูปทรงของโมเดล ตัวอย่างเช่น
เนื่องจากสไตล์การวาดเฉพาะข้อผิดพลาด อายุ แสงสว่าง หรือเปลี่ยน
ฤดูกาล นอกจากนี้ เราเผชิญปัญหาหนัก : จำนวนของการค้นหาเป็นไปได้
ของภาพวาดแบบ 3D ขนาดใหญ่ เช่น
บูรณะบางส่วนของเมืองใหญ่ . เพื่อแก้ไขปัญหาเหล่านี้ เราพัฒนา newcompact แทน
ฉาก 3D ที่ซับซ้อน โมเดลของฉากแทน
โดยชุดขนาดเล็กขององค์ประกอบภาพและที่อยู่โดยอัตโนมัติเรียนรู้
จากการแสดงความคิดเห็น คล้ายกับวัตถุที่ตรวจจับ ชุดขององค์ประกอบภาพ
รวมทั้งน้ำหนักคุณสมบัติของบุคคลในแต่ละองค์ประกอบจะเรียนรู้
ในแฟชั่นและ . เราแสดงให้เห็นว่าได้ภาพองค์ประกอบ
เชื่อถือตรงกันใน 2 มิติภาพของฉากแม้จะมีขนาดใหญ่ในรูปแบบการแสดงผล
ลักษณะ ( เช่น สีน้ำ , วาด , ภาพประวัติศาสตร์ ) และการเปลี่ยนแปลงโครงสร้าง
( เช่น ฉากที่หายไปส่วนการขาดแคลนอาหารใหญ่ของฉาก เราแสดงให้เห็นถึงการประยุกต์ใช้วิธีการที่เสนอ


rephotography อัตโนมัติเพื่อหามุมมองของภาพวาดและภาพถ่าย
ประมาณประวัติศาสตร์เกี่ยวกับแบบจำลอง 3 มิติของเว็บไซต์ การนำเสนอกระบวนการจัด
ตรวจ สอบ ผ่านการศึกษาผู้ใช้มนุษย์บนฐานข้อมูลใหม่ของภาพวาดและสเก็ตช์ไปด้วย
เว็บไซต์หลาย ผลลัพธ์ที่แสดงให้เห็นว่าวิธีการของเราสร้างแนวร่วม
ดีขึ้นกว่าวิธีการพื้นฐานหลาย