DVP-MVS++：协同深度-法向-边缘与协调可见性先验的多视图立体视觉
计算机视觉与模式识别
2026-04-20 v2
摘要
近年来，基于面片变形的方法因其在重建无纹理区域时融合了可变形和可扩展的感知能力，在多视图立体视觉中展现出显著的有效性。然而，这些方法通常侧重于识别可靠的像素相关性以减轻面片变形的匹配模糊性，却忽略了由边缘跳跃和可见性遮挡引起的变形不稳定性，这可能导致潜在的估计偏差。为解决这些问题，我们提出了 DVP-MVS++，一种协同深度-法向-边缘对齐与和谐跨视图先验的创新方法，以实现鲁棒且可见性感知的面片变形。具体而言，为避免边缘跳跃，我们首先应用 DepthPro、Metric3Dv2 和 Roberts 算子分别生成粗糙的深度图、法向图和边缘图。然后，通过腐蚀-膨胀策略对这些图进行对齐，以产生细粒度的均匀边界，从而促进鲁棒的面片变形。此外，我们将视图选择权重重新表述为可见性图，然后实施增强的跨视图深度重投影和面积最大化策略，以帮助可靠地恢复可见区域并有效平衡变形面片，从而获得和谐的跨视图先验，用于可见性感知的面片变形。此外，我们通过采用基于视图选择的聚合法向和基于极线的投影深度差来获得几何一致性，然后使用 SHIQ 进行高光校正，以实现具有高光感知的几何一致性，从而在传播和细化阶段提高重建质量。在 ETH3D、Tanks & Temples 和 Strecha 数据集上的评估结果展示了我们提出的方法的最先进性能和鲁棒的泛化能力。
引用
@article{arxiv.2506.13215,
title = {DVP-MVS++: Synergize Depth-Normal-Edge and Harmonized Visibility Prior for Multi-View Stereo},
author = {Zhenlong Yuan and Dapeng Zhang and Zehao Li and Chengxuan Qian and Jianing Chen and Yinda Chen and Kehua Chen and Tianlu Mao and Zhaoxin Li and Hao Jiang and Zhaoqi Wang},
journal= {arXiv preprint arXiv:2506.13215},
year = {2026}
}