GC-MVSNet:多视角,多尺度,几何一致的多视图立体视觉
原文中文,约200字,阅读约需1分钟。发表于: 。本文介绍了一种新的方法,通过在学习过程中明确地鼓励多个源视图的参考视图深度图的几何一致性,加速学习过程,达到了 DTU 和 BlendedMVS 数据集的最新技术水平,并在 Tanks and Temples 基准上获得了有竞争力的结果。据我们所知,GC-MVSNet 是对多视图、多尺度几何一致性进行学习的第一次尝试。
本文介绍了一种名为M^3VSNet的无监督多指标MVS网络,用于稠密点云重建。该网络通过像素和特征损失函数学习匹配对应的内在约束,并将深度图转化为点云,提高了深度图的精准性和连续性。该方法在DTU数据集上表现出与有监督方法可比较的性能,并在坦克和寺庙基准测试中证明了其强大的泛化能力。