本文提出了一种名为RayMVSNet的多视角立体摄影方法，通过直接优化每个相机光线上的深度值来减轻计算和内存消耗。该方法在DTU和Tanks＆Temples数据集上排名前列，在具有挑战性的场景中产生高质量的深度估计和点云重构。作者还提出了RayMVSNet ++，通过设计一个注重关注的门控单元，在每个光线周围的局部截锥体内选择语义相关的相邻光线，以增强每个光线的语境特征聚合。该方法在ScanNet数据集上实现了最先进的性能。