CHOSEN：用于多视图深度精化的对比假设选择
计算机视觉与模式识别
2025-05-06 v2 人工智能
摘要
我们提出了 CHOSEN，一个简单而灵活、鲁棒且有效的多视图深度精化框架。它可以应用于任何现有的多视图立体视觉流水线，并对不同的多视图采集系统（如相机相对定位和镜头）具有直接的泛化能力。给定初始深度估计，CHOSEN 迭代地重采样并选择最佳假设，自动适应由采集系统决定的不同度量尺度或内参尺度。我们方法的关键在于将对比学习应用于合适的解空间，并精心设计假设特征，据此可以有效区分正假设与负假设。集成到一个简单的基线多视图立体视觉流水线中后，与许多当前基于深度学习的多视图立体视觉流水线相比，CHOSEN 在深度和法线精度方面均展现出优异的质量。
引用
@article{arxiv.2404.02225,
title = {CHOSEN: Contrastive Hypothesis Selection for Multi-View Depth Refinement},
author = {Di Qiu and Yinda Zhang and Thabo Beeler and Vladimir Tankovich and Christian Häne and Sean Fanello and Christoph Rhemann and Sergio Orts Escolano},
journal= {arXiv preprint arXiv:2404.02225},
year = {2025}
}