BlendedMVS：面向广义多视立体网络的大规模数据集
计算机视觉与模式识别
2020-04-14 v2
摘要
尽管深度学习近期在多视立体（MVS）上取得了巨大成功，有限的训练数据使得训练出的模型难以泛化到未见过场景。与其他计算机视觉任务相比，收集大规模 MVS 数据集相当困难，因为获取真实三维结构需要昂贵的主动扫描仪和劳动密集型过程。本文中，我们提出 BlendedMVS，一个新颖的大规模数据集，为基于学习的 MVS 提供充足的训练真值。为创建该数据集，我们采用三维重建流程从精选场景的图像中恢复高质量带纹理网格。然后，我们将这些网格模型渲染为彩色图像和深度图。为在训练中引入环境光照信息，渲染的彩色图像进一步与输入图像混合以生成训练输入。我们的数据集包含超过 17k 张高分辨率图像，涵盖城市、建筑、雕塑和小物体等多种场景。大量实验表明，与其他 MVS 数据集相比，BlendedMVS 赋予训练模型显著更好的泛化能力。数据集与预训练模型可在 \url{https://github.com/YoYo000/BlendedMVS} 获取。
引用
@article{arxiv.1911.10127,
title = {BlendedMVS: A Large-scale Dataset for Generalized Multi-view Stereo Networks},
author = {Yao Yao and Zixin Luo and Shiwei Li and Jingyang Zhang and Yufan Ren and Lei Zhou and Tian Fang and Long Quan},
journal= {arXiv preprint arXiv:1911.10127},
year = {2020}
}
备注
Accepted to CVPR2020