DS-MVSNet：基于深度合成的无监督多视图立体视觉网络
计算机视觉与模式识别
2022-08-16 v1
摘要
近年来，有监督或无监督的基于学习的MVS方法相比传统方法取得了优异的性能。然而，这些方法仅使用通过代价体正则化计算的概率体来预测参考深度，这种方式无法从概率体中挖掘足够信息。此外，无监督方法通常尝试使用两步法或额外输入进行训练，使过程更为复杂。本文中，我们提出了DS-MVSNet，一种具有源深度合成功能的端到端无监督MVS结构。为挖掘概率体中的信息，我们创造性地将概率体和深度假设溅射到源视图以合成源深度。同时，我们提出了自适应高斯采样和改进的自适应区间采样方法，提高了深度假设的精度。另一方面，我们利用源深度渲染参考图像，并提出深度一致性损失和深度平滑损失。这些可根据不同视图间的光度一致性和几何一致性提供额外引导，无需额外输入。最后，我们在DTU数据集和Tanks & Temples数据集上进行了一系列实验，证明了我们的DS-MVSNet相比最先进方法的高效性与鲁棒性。
引用
@article{arxiv.2208.06674,
title = {DS-MVSNet: Unsupervised Multi-view Stereo via Depth Synthesis},
author = {Jingliang Li and Zhengda Lu and Yiqun Wang and Ying Wang and Jun Xiao},
journal= {arXiv preprint arXiv:2208.06674},
year = {2022}
}
备注
Accepted by ACM MM 2022