DeepC-MVS：面向多视立体重建的深度置信度预测
计算机视觉与模式识别
2020-08-14 v3
摘要
深度神经网络（DNNs）有潜力提升基于图像的3D重建质量。然而，由于内存与计算限制，在大规模高分辨率图像数据集的3D重建中应用DNN仍是一项开放挑战。我们提出一种流水线，其利用DNN提升3D重建质量，同时能处理大规模高分辨率数据集。具体而言，我们提出一种专为多视立体（MVS）定制的置信度预测网络，并在流水线中将其用于深度图离群值滤波与深度图细化，以提升最终3D重建质量。我们在公开可用真实世界MVS数据集的（半）稠密真值深度图上训练该置信度预测网络。通过在流行基准上的大量实验，我们表明整体流水线在定性与定量上均能产出最先进的3D重建。
引用
@article{arxiv.1912.00439,
title = {DeepC-MVS: Deep Confidence Prediction for Multi-View Stereo Reconstruction},
author = {Andreas Kuhn and Christian Sormann and Mattia Rossi and Oliver Erdler and Friedrich Fraundorfer},
journal= {arXiv preprint arXiv:1912.00439},
year = {2020}
}
备注
changes in V3: re-worked confidence prediction scheme, re-organized text, updated experiments; changes in V2: a reference was updated