保细节且内容感知的变分多视图立体重建

从标定的2D多视图图像精确恢复3D几何表面是计算机视觉中基础且活跃的研究领域。尽管多视图立体重建稳步进展，大多数现有方法在恢复精细尺度细节和锐利特征同时抑制噪声方面仍有限制，并可能失败于重建纹理稀少区域。为解决这些局限，本文提出一种保细节且内容感知的变分（DCV）多视图立体方法，其通过交替进行重投影误差最小化和网格去噪来重建3D表面。在重投影误差最小化中，我们提出一种新颖的图像间相似性度量，能有效保持重建表面的精细尺度细节，并建立引导图像滤波与图像配准之间的联系。在网格去噪中，我们提出一种内容感知的$\ell_{p}$-最小化算法，通过基于当前输入自适应估计$p$值和正则化参数。相比传统各向同性网格平滑，它在抑制噪声同时保持锐利特征方面更有前景。在基准数据集上的实验结果表明，我们的DCV方法能够恢复更多表面细节，并获得比最先进方法更干净且更精确的重建。特别地，我们的方法在Middlebury dino ring和dino sparse ring数据集上在完整性与准确性方面均取得所有已发表方法中的最佳结果。