基于细节感知多视角立体网络的深度估计
计算机视觉与模式识别
2025-04-01 v1
摘要
多视角立体方法已在基于粗到细深度学习框架中取得了很大的成功，但现有方法在恢复物体边界和细节区域的深度方面表现不佳。为解决这些问题，我们提出了一种细节感知多视角立体网络 (DA-MVSNet)，采用粗到细框架。利用粗糙阶段隐藏于深度线索中的几何信息，以保持物体表面之间的几何结构关系并增强图像特征的表达能力。此外，采用图像合成损失来约束细节区域的梯度流，从而进一步加强物体边界和纹理丰富区域的监督。最后，我们提出一种自适应深度间隔调整策略，以提高物体重建的准确性。在 DTU 和 Tanks & Temples 数据集上的大量实验表明，我们的方法取得了具竞争力的结果。代码可在 https://github.com/wsmtht520-/DAMVSNet 查阅。
引用
@article{arxiv.2503.23684,
title = {Detail-aware multi-view stereo network for depth estimation},
author = {Haitao Tian and Junyang Li and Chenxing Wang and Helong Jiang},
journal= {arXiv preprint arXiv:2503.23684},
year = {2025}
}