본 논문은 3D 장면 재구성을 위한 기능 최적화 시각 프론트엔드를 제안합니다. 제안하는 방법은 텍스처, 반복성, 구별성, 예상 삼각 측량 각도, 공간 커버리지 등을 기준으로 후보 기능을 평가합니다. 작은 합성 다중 뷰 프로토타입은 복도, 파사드, 객체-테이블, 혼잡한 장면에서 4가지 선택 정책을 평가합니다.
adaptive 정책은 기존 방식보다 더 나은 품질 인지 완전성을 얻고, 낮은 집계 재구축 RMSE를 유지하며, 넓은 이미지 커버리지를 보존합니다. 제안하는 방법은 현대적인 학습 매칭 또는 신경 재구축 시스템을 대체하는 것이 아니라, 고전적 및 학습 3D 파이프라인이 시각적 증거를 선택하는 데 더 신중하게 접근하도록 돕는 모듈식 프론트엔드 정책입니다.
결과적으로, 3D 장면 재구성을 위한 기능 최적화 시각 프론트엔드는 기존 방식의 효율성을 높일 수 있습니다.