面向非局部多视几何立体匹配的分层先验挖掘
计算机视觉与模式识别
2023-03-20 v1
摘要
作为计算机视觉中的基础问题,多视几何立体匹配(MVS)旨在从一组 2D 图像中恢复目标的 3D 几何。MVS 的近期进展表明,感知非局部结构化信息对于在低纹理区域恢复几何十分重要。在本工作中,我们提出一种面向非局部多视几何立体匹配的分层先验挖掘方法(HPM-MVS)。其关键特征如下利用非局部信息辅助 MVS 的技术:1) 非局部可扩展采样模式(NESP),能够自适应改变采样区域大小而不陷入局部最优解。2) 一种利用非局部可靠点并基于 K 近邻(KNN)构建平面先验模型的新方法,以在先验构建困难的区域获得潜在假设。3) 分层先验挖掘(HPM)框架,用于在不同尺度上挖掘广泛的非局部先验信息以辅助 3D 模型恢复,该策略能在细节与低纹理区域的重建之间取得可观的平衡。在 ETH3D 和 Tanks \& Temples 上的实验结果验证了我们所提方法的优越性能与强泛化能力。我们的代码将公开。
引用
@article{arxiv.2303.09758,
title = {Hierarchical Prior Mining for Non-local Multi-View Stereo},
author = {Chunlin Ren and Qingshan Xu and Shikun Zhang and Jiaqi Yang},
journal= {arXiv preprint arXiv:2303.09758},
year = {2023}
}